Python 7日滚动均值|极客教程

Python 7日滚动均值

在数据分析领域，滚动均值是一种常用的统计方法，用于平滑时间序列数据，减少噪音和波动。滚动均值是指在一定时间窗口内，计算数据的平均值，并不断滑动这个窗口来得到不同时间点的均值。本文将介绍如何使用Python计算7日滚动均值。

准备数据

首先，我们需要准备一些示例数据来演示如何计算7日滚动均值。假设我们有一个包含每日销售额的数据框，数据框的格式如下：

import pandas as pd

data = {'date': pd.date_range(start='2022-01-01', periods=30),
        'sales': [100, 200, 150, 300, 250, 180, 220, 280, 350, 400,
                  420, 380, 300, 320, 280, 250, 200, 150, 180, 220,
                  250, 280, 300, 350, 380, 400, 420, 450, 480, 500]}

df = pd.DataFrame(data)

现在，我们已经准备好了示例数据，接下来将展示如何计算7日滚动均值。

计算7日滚动均值

通过Pandas库提供的rolling方法，我们可以方便地计算滚动均值。下面是计算7日滚动均值的示例代码：

rolling_mean = df['sales'].rolling(window=7).mean()

在上面的代码中，我们使用rolling方法指定了窗口大小为7天，并通过mean方法计算了滚动均值。接下来，我们将滚动均值添加到数据框中：

df['7_day_rolling_mean'] = rolling_mean

现在，数据框df中就包含了原始销售额数据以及7日滚动均值数据，我们可以打印出数据框的前几行来查看结果：

print(df.head(10))

运行上面的代码后，将会输出如下结果：

        date  sales  7_day_rolling_mean
0 2022-01-01    100                 NaN
1 2022-01-02    200                 NaN
2 2022-01-03    150                 NaN
3 2022-01-04    300                 NaN
4 2022-01-05    250                 NaN
5 2022-01-06    180                 NaN
6 2022-01-07    220          214.285714
7 2022-01-08    280          234.285714
8 2022-01-09    350          260.000000
9 2022-01-10    400          289.285714

从上面的结果可以看出，计算得到了正确的7日滚动均值。我们可以根据需要继续对滚动均值数据进行可视化、分析和处理，以满足具体的需求。