7.8 使用滚动时间窗口-Python机器学习手册：从数据预处理到深度学习在线阅读

语速1.0: 2.0

进度0:

7.8 使用滚动时间窗口

计算一个时间序列数据针对某个滚动时间的统计量。

7.8 使用滚动时间窗口

滚动（有时候也称为移动）时间窗口的概念很简单，但刚接触它的时候理解起来可能会有点困难。假设我们对股票价格的观察值是以月为单位的。如果拥有一个确定月份数量的时间窗口，并且在所有的观察值中移动这个窗口，那么计算时间窗口中所有观察值的统计量是很有价值的。

例如，如果有一个宽度为3个月的时间窗口，要求滚动平均值，可以这样计算：

1．求1月、2月和3月的平均值。

2．求2月、3月和4月的平均值。

3．求3月、4月和5月的平均值。

4．依此类推。

也就是说，我们用一个宽度为3个月的时间窗口“走”过了所有的观察值，每走一步，都会计算这个窗口内所有观察值的平均值。

pandas的rolling可以通过window参数指定窗口的大小，同时还能很方便地计算一些常见的统计值，包括最大值（max()）、平均值（mean()）、计数（count()）和滚动相关性（corr()）。

滚动平均值常被用于对时间序列数据做平滑处理，因为使用整个时间窗口的平均值能削弱短期波动的影响。