Desarrollo de Python
  1. Desarrollo de Python
  3. Pandas rolling window & datetime indexes: ¿Qué significa `offset`?
Intereting Posts
Función de inyección de llamada después de __init__ con decorador ¿Punteros en Python? agrupando filas consecutivas en el dataframe de PySpark Corte extendido que va al comienzo de la secuencia con zancada negativa Reiniciando una aplicación Django ejecutándose en Apache + mod_python Manera eficiente de determinar si una función particular está en la stack en Python ¿Cómo generar un número aleatorio de 4 dígitos que no comience con 0 y tenga dígitos únicos? Registre un servicio, objeto y método DBus “Hello World” utilizando Python El método más eficiente para verificar si existe una clave de diccionario y procesar su valor si existe ¿Alguna razón por la que las animaciones de matplotlib solo funcionen en una sesión interactiva? Plt.show muestra el gráfico completo pero savefig está recortando la imagen Error al crear el archivo de base de datos LMDB en Python para Caffe Actualizando h5py Datasets ¿Por qué los conjuntos de Python no son hashable? ¿Cómo funciona la palabra clave await?

Pandas rolling window & datetime indexes: ¿Qué significa `offset`?

La función de ventana móvil pandas.DataFrame.rolling de pandas 0.22 toma un argumento de window que se describe a continuación:

ventana : int, o offset

Tamaño de la ventana móvil. Este es el número de observaciones utilizadas para calcular la estadística. Cada ventana tendrá un tamaño fijo.

Si es un desplazamiento, este será el período de tiempo de cada ventana. Cada ventana tendrá un tamaño variable según las observaciones incluidas en el período de tiempo. Esto solo es válido para índices de datos similares. Esto es nuevo en 0.19.0

¿Qué es realmente un desplazamiento en este contexto?

En pocas palabras, si usa un offset como “2d” (2 días), los pandas usarán la información de fecha y hora en el índice (si está disponible), lo que posiblemente tenga en cuenta las filas faltantes o las frecuencias irregulares. Pero si usa un int simple como 2, entonces pandas tratará el índice como un índice entero simple [0,1,2, …] e ignorará cualquier información de fecha y hora en el índice.

Un simple ejemplo debería dejar esto claro: 

 df=pd.DataFrame({'x':range(4)}, index=pd.to_datetime(['1-1-2018','1-2-2018','1-4-2018','1-5-2018'])) x 2018-01-01 0 2018-01-02 1 2018-01-04 2 2018-01-05 3

Tenga en cuenta que (1) el índice es una fecha y hora, pero también (2) falta ‘2018-01-03’. Por lo tanto, si utiliza un entero llano como 2, la rolling solo mirará las dos últimas filas, independientemente del valor de fecha y hora (en un sentido, se comporta como iloc[i-1:i] donde i es la fila actual): 

 df.rolling(2).count() x 2018-01-01 1.0 2018-01-02 2.0 2018-01-04 2.0 2018-01-05 2.0

A la inversa, si utiliza un desplazamiento de 2 días ( '2d' ), la rolling utilizará los valores de fecha y hora reales y cualquier irregularidad en el índice de fecha y hora. 

 df.rolling('2d').count() x 2018-01-01 1.0 2018-01-02 2.0 2018-01-04 1.0 2018-01-05 2.0

Además, tenga en cuenta que necesita que el índice se clasifique en orden ascendente cuando se usa un desplazamiento de fecha, pero no importa al usar un entero simple (ya que de todos modos simplemente está ignorando el índice).