pandas.core.window.rolling.Rolling.sum

Rolling.sum(*args, engine=None, engine_kwargs=None, **kwargs)

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 setting compute.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

上一页

pandas.core.window.rolling.Rolling.count

下一页

pandas.core.window.rolling.Rolling.mean