這篇文章給大家介紹如何正確的使用Pandas_cum累積計算，內(nèi)容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

平南ssl適用于網(wǎng)站、小程序/APP、API接口等需要進行數(shù)據(jù)傳輸應(yīng)用場景，ssl證書未來市場廣闊！成為成都創(chuàng)新互聯(lián)的ssl證書銷售渠道，可以享受市場價格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：13518219792（備注：SSL證書合作）期待與您的合作！

Pandas主要統(tǒng)計特征函數(shù)：

方法名	函數(shù)功能
sum()	計算數(shù)據(jù)樣本的總和（按列計算）
mean()	計算數(shù)據(jù)樣本的算術(shù)平均數(shù)
var()	計算數(shù)據(jù)樣本的方差
std()	計算數(shù)據(jù)樣本的標準差
corr()	計算數(shù)據(jù)樣本的Spearman（Pearman）相關(guān)系數(shù)矩陣
cov()	計算數(shù)據(jù)樣本的協(xié)方差矩陣
skew()	樣本值的偏度（三階矩）
kurt()	樣本值的峰度（四階矩）
describe()	給出樣本的基本描述（基本統(tǒng)計量如均值、標準差等）

cum累積計算函數(shù)

cum系列函數(shù)是作為DataFrame或Series對象的方法出現(xiàn)的，因此命令格式為D.cumsum()

方法名	函數(shù)功能
cumsum()	依次給出前1、2、… 、n個數(shù)的和
cumprod()	依次給出前1、2、… 、n個數(shù)的積
cummax()	依次給出前1、2、… 、n個數(shù)的大值
cummin()	依次給出前1、2、… 、n個數(shù)的最小值

計算出前n項和：

D=pd.Series(range(0,20))
D.cumsum() 
0    0
1    1
2    3
3    6
....
19  190
dtype: int64

rolling滾動計算函數(shù)

rolling_系列是pandas的函數(shù)，不是DataFrame或Series對象的方法，其格式為pd.rolling_mean(D,k)，其中每k列計算一次平均值，滾動計算。

方法名	函數(shù)功能
rolling_sum()	計算數(shù)據(jù)樣本的總和（按列計算）
rolling_mean()	數(shù)據(jù)樣本的算術(shù)平均數(shù)
rolling_var()	計算數(shù)據(jù)樣本的方差
rolling_std()	計算數(shù)據(jù)樣本的標準差
rolling_corr()	計算數(shù)據(jù)樣本的Spearman（Pearman）相關(guān)系數(shù)矩陣
rolling_cov()	計算數(shù)據(jù)樣本的協(xié)方差矩陣
rolling_skew()	樣本值的偏度（三階矩）
rolling_kurt()	樣本值的峰度（四階矩）

依次對相鄰兩項求和：

pd.rolling_sum(D,2)
0   NaN  
1   1.0
2   3.0
3   5.0
4   7.0
....
19  37.0
dtype: float64

關(guān)于如何正確的使用Pandas_cum累積計算就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

文章標題：如何正確的使用Pandas_cum累積計算-創(chuàng)新互聯(lián)
分享網(wǎng)址：http://news.spvevtbd.cn/article/ccpdjc.html