pandas.core.window.rolling.Rolling.sum#
- Rolling.sum(*args, engine=None, engine_kwargs=None, **kwargs)[源代码]#
计算累计和。
- 参数
- *args
对于NumPy兼容性,不会对结果产生影响。
- engine字符串,默认为无
'cython'
:从cython通过C扩展运行操作。'numba'
:通过来自Numba的JIT编译代码运行操作。None
: Defaults to'cython'
or globally settingcompute.use_numba
1.3.0 新版功能.
- engine_kwargsDict,默认无
为
'cython'
发动机,有没有接受engine_kwargs
为
'numba'
发动机,发动机可以接受nopython
,nogil
和parallel
词典的关键字。这些值必须是True
或False
。默认设置engine_kwargs
对于'numba'
引擎是{{'nopython': True, 'nogil': False, 'parallel': False}}
1.3.0 新版功能.
- **kwargs
对于NumPy兼容性,不会对结果产生影响。
- 退货
- 系列或DataFrame
返回类型与原始对象相同,
np.float64
数据类型。
参见
pandas.Series.rolling
使用系列数据进行呼叫滚动。
pandas.DataFrame.rolling
使用DataFrames调用滚动。
pandas.Series.sum
系列的合计和。
pandas.DataFrame.sum
DataFrame的合计总和。
注意事项
看见 Numba引擎 和 Numba(JIT编译) 有关Numba引擎的扩展文档和性能注意事项。
示例
>>> s = pd.Series([1, 2, 3, 4, 5]) >>> s 0 1 1 2 2 3 3 4 4 5 dtype: int64
>>> s.rolling(3).sum() 0 NaN 1 NaN 2 6.0 3 9.0 4 12.0 dtype: float64
>>> s.rolling(3, center=True).sum() 0 NaN 1 6.0 2 9.0 3 12.0 4 NaN dtype: float64
对于DataFrame,每个和都是按列计算的。
>>> df = pd.DataFrame({"A": s, "B": s ** 2}) >>> df A B 0 1 1 1 2 4 2 3 9 3 4 16 4 5 25
>>> df.rolling(3).sum() A B 0 NaN NaN 1 NaN NaN 2 6.0 14.0 3 9.0 29.0 4 12.0 50.0