Pandas 窗口函数（rolling / expanding / ewm）

窗口函数用于对时间序列或有序数据进行滑动窗口计算，是金融分析、信号处理等领域的重要工具。

rolling 滚动窗口

基本用法

实例

import pandas as pd
import numpy as np

# 创建时间序列数据
np.random.seed(42)
dates = pd.date_range("2024-01-01", periods=20, freq="D")
ts = pd.Series(np.random.randint(100, 200, 20), index=dates)

print("原始数据（前10条）：")
print(ts.head(10))
print()

# 7天滚动平均
ma7 = ts.rolling(window=7).mean()
print("7天滚动平均（前10条）：")
print(ma7.head(10))
print()

# 滚动求和
rolling_sum = ts.rolling(window=5).sum()
print("5天滚动求和：")
print(rolling_sum.head(10))

滚动窗口类型

实例

import pandas as pd
import numpy as np

s = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

# 固定窗口大小
print("固定窗口 (3)：")
print(s.rolling(3).mean())
print()

# 移动窗口（时间窗口）
# 1分钟后窗口
s2 = pd.Series([1, 2, 3, 4, 5], index=pd.date_range("2024-01-01", periods=5, freq="T"))
print("时间窗口（1分钟）：")
print(s2.rolling("1min").sum())

expanding 扩展窗口

扩展窗口从开始累积到当前位置，窗口大小逐渐增大。

实例

import pandas as pd
import numpy as np

s = pd.Series([1, 2, 3, 4, 5])

# 扩展窗口计算累积均值
exp_mean = s.expanding().mean()
print("累积均值：")
print(exp_mean)
print()

# 扩展窗口计算累积最大值
exp_max = s.expanding().max()
print("累积最大值：")
print(exp_max)
print()

# 扩展窗口计算标准差
exp_std = s.expanding().std()
print("累积标准差：")
print(exp_std)

ewm 指数加权移动

指数加权移动平均（EWMA）对近期数据赋予更大权重。

实例

import pandas as pd
import numpy as np

s = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

# alpha 越小，近期数据权重越大
ewm_05 = s.ewm(alpha=0.5).mean()
ewm_2 = s.ewm(alpha=0.2).mean()

print("原始数据：")
print(s.values)
print("\nalpha=0.5:")
print(ewm_05.values)
print("\nalpha=0.2:")
print(ewm_2.values)
print()

# 使用 span（与 alpha 关系：alpha = 2/(span+1)）
ewm_span = s.ewm(span=5).mean()
print("span=5:")
print(ewm_span.values)

EWM 对趋势变化更敏感，适合需要快速响应的场景。

实战：股票技术指标

实例

import pandas as pd
import numpy as np

# 模拟股价数据
np.random.seed(42)
dates = pd.date_range("2024-01-01", periods=30, freq="D")
df = pd.DataFrame({
"日期": dates,
"收盘价": 100 + np.random.randn(30).cumsum()
})

# 计算技术指标
# 5日均线
df["MA5"] = df["收盘价"].rolling(5).mean()

# 10日均线
df["MA10"] = df["收盘价"].rolling(10).mean()

# 5日指数加权均线
df["EMA5"] = df["收盘价"].ewm(span=5).mean()

# 波动率（5日滚动标准差）
df["Volatility"] = df["收盘价"].rolling(5).std()

# 累积最高价
df["Highest"] = df["收盘价"].expanding().max()

print("股票技术指标：")
print(df.round(2))

窗口函数对比

类型	说明	适用场景
`rolling`	固定大小窗口	移动平均、波动率
`expanding`	累积窗口	累计统计、止损/止盈
`ewm`	指数加权	趋势跟踪、快速响应

返回顶部

菜鸟教程