Pands_cum累積計算とrollingスクロール計算の使い方について詳しく説明します。
Pandsの主な統計特徴関数:
メソッド名
関数機能
sum()
データサンプルの合計を計算します(列で計算します)。
メン()
データサンプルの算術平均を計算します。
var()
データサンプルの分散を計算します。
std()
データサンプルの標準偏差を計算します。
コール()
データサンプルのSpearman相関係数行列を計算します。
cov()
データサンプルの共分散行列を計算します。
skw()
サンプル値の偏り(三次モーメント)
kurt()
サンプル値のピーク度(四次モーメント)
describe()
サンプルの基本的な説明を与える(基本的な統計量は平均、標準偏差など)
cum累積計算関数
cumシリーズ関数は、DataFrameまたはSeriesオブジェクトとしての方法として現れますので、コマンド形式はD.cumsum()です。
メソッド名
関数機能
cumsum()
1、2、…、n個の和を順に与える。
cumprod()
1、2、…、n個の積を順に与える。
cummax()
1、2、…、n個の最大値を順に与えます。
cummin()
1、2、…、n個の最小値を順に与えます。
前のn項と:
ロリング.シリーズはパンダスの関数で、DataFrameやSeriesオブジェクトではなく、そのフォーマットはpd.rolling(u)です。メン(D,k)は、k列毎に平均値を計算し、スクロール計算します。
メソッド名
関数機能
ロリング.sum()
データサンプルの合計を計算します(列で計算します)。
ロリング.メン()
データサンプルの算術平均
ロリング.var()
データサンプルの分散を計算します。
ロリング.std()
データサンプルの標準偏差を計算します。
ロリング.コール()
データサンプルのSpearman相関係数行列を計算します。
ロリング.cov()
データサンプルの共分散行列を計算します。
ロリング.skw()
サンプル値の偏り(三次モーメント)
ロリング.kurt()
サンプル値のピーク度(四次モーメント)
隣の二つの項目について順番に合計を求めます。
メソッド名
関数機能
sum()
データサンプルの合計を計算します(列で計算します)。
メン()
データサンプルの算術平均を計算します。
var()
データサンプルの分散を計算します。
std()
データサンプルの標準偏差を計算します。
コール()
データサンプルのSpearman相関係数行列を計算します。
cov()
データサンプルの共分散行列を計算します。
skw()
サンプル値の偏り(三次モーメント)
kurt()
サンプル値のピーク度(四次モーメント)
describe()
サンプルの基本的な説明を与える(基本的な統計量は平均、標準偏差など)
cum累積計算関数
cumシリーズ関数は、DataFrameまたはSeriesオブジェクトとしての方法として現れますので、コマンド形式はD.cumsum()です。
メソッド名
関数機能
cumsum()
1、2、…、n個の和を順に与える。
cumprod()
1、2、…、n個の積を順に与える。
cummax()
1、2、…、n個の最大値を順に与えます。
cummin()
1、2、…、n個の最小値を順に与えます。
前のn項と:
D=pd.Series(range(0,20))
D.cumsum()
0 0
1 1
2 3
3 6
....
19 190
dtype: int64
rollingスクロール計算関数ロリング.シリーズはパンダスの関数で、DataFrameやSeriesオブジェクトではなく、そのフォーマットはpd.rolling(u)です。メン(D,k)は、k列毎に平均値を計算し、スクロール計算します。
メソッド名
関数機能
ロリング.sum()
データサンプルの合計を計算します(列で計算します)。
ロリング.メン()
データサンプルの算術平均
ロリング.var()
データサンプルの分散を計算します。
ロリング.std()
データサンプルの標準偏差を計算します。
ロリング.コール()
データサンプルのSpearman相関係数行列を計算します。
ロリング.cov()
データサンプルの共分散行列を計算します。
ロリング.skw()
サンプル値の偏り(三次モーメント)
ロリング.kurt()
サンプル値のピーク度(四次モーメント)
隣の二つの項目について順番に合計を求めます。
pd.rolling_sum(D,2)
0 NaN
1 1.0
2 3.0
3 5.0
4 7.0
....
19 37.0
dtype: float64
以上のPands_cum累積計算とrollingスクロール計算の使い方は詳細には小編が皆さんに提供した内容を全部共有していますので、参考にしていただければと思います。よろしくお願いします。