Pandas主要统计特征函数：
方法名 |
函数功能 |
sum()
计算数据样本的总和（按列计算）
mean()
计算数据样本的算术平均数
var()
计算数据样本的方差
std()
计算数据样本的标准差
corr()
计算数据样本的Spearman（Pearman）相关系数矩阵
cov()
计算数据样本的协方差矩阵
skew()
样本值的偏度（三阶矩）
kurt()
样本值的峰度（四阶矩）
describe()
给出样本的基本描述（基本统计量如均值、标准差等）
cum累积计算函数
cum系列函数是作为DataFrame或Series对象的方法出现的，因此命令格式为D.cumsum()
方法名 |
函数功能 |
cumsum()
依次给出前1、2、… 、n个数的和
cumprod()
依次给出前1、2、… 、n个数的积
cummax()
依次给出前1、2、… 、n个数的最大值
cummin()
依次给出前1、2、… 、n个数的最小值
计算出前n项和：
D=pd.Series(range(0,20))
D.cumsum()
0 0
1 1
2 3
3 6
....
19 190
dtype: int64
rolling滚动计算函数
rolling_系列是pandas的函数，不是DataFrame或Series对象的方法，其格式为pd.rolling_mean(D,k)，其中每k列计算一次平均值，滚动计算。
方法名 |
函数功能 |
rolling_sum()
计算数据样本的总和（按列计算）
rolling_mean()
数据样本的算术平均数
rolling_var()
计算数据样本的方差
rolling_std()
计算数据样本的标准差
rolling_corr()
计算数据样本的Spearman（Pearman）相关系数矩阵
rolling_cov()
计算数据样本的协方差矩阵
rolling_skew()
样本值的偏度（三阶矩）
rolling_kurt()
样本值的峰度（四阶矩）
依次对相邻两项求和：
pd.rolling_sum(D,2)
0 NaN
1 1.0
2 3.0
3 5.0
4 7.0
....
19 37.0
dtype: float64
以上这篇Pandas_cum累积计算和rolling滚动计算的用法详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。