至尊技术网

统计

登录

标签搜索

搜索到 2 篇与的结果

Python高效计算移动分位数：Rolling与Quantile的组合应用指南

Python高效计算移动分位数：Rolling与Quantile的组合应用指南

在金融数据分析、物联网监控等领域，我们经常需要计算时间序列数据的动态统计特征。传统的移动平均已不能满足复杂分析需求，而移动分位数（Rolling Quantile）能更敏锐地捕捉数据分布的变化。下面通过完整示例演示具体实现方法。一、为什么需要移动分位数？当分析股票价格波动时，我们可能想知道： - "过去20个交易日内，当前价格处于什么分位？" - "温度传感器数据最近1小时的中位数是多少？"这类问题就需要在滑动窗口内计算分位数。与固定分位数不同，移动分位数能反映数据分布的动态变化。二、核心方法：rolling() + quantile()pandas提供了完美的解决方案组合：python import pandas as pd import numpy as np生成示例数据（正态分布随机数）np.random.seed(42) data = pd.Series(np.random.normal(0, 1, 1000), index=pd.date_range('2023-01-01', periods=1000))计算20天窗口的50分位数（中...

2025年07月27日

26 阅读

0 评论

用Python玩转时间序列：Pandas时序分析完全指南

用Python玩转时间序列：Pandas时序分析完全指南

一、为什么时间序列如此重要？记得刚入行数据分析时，我接到的第一个任务就是分析某电商平台的销售波动。当看到数据中那个"2023-01-01"的日期字段时，才意识到时间序列分析远不只是简单的折线图。时间戳里藏着用户行为模式、系统负载规律甚至金融市场脉搏，而Pandas正是解开这些秘密的钥匙。二、Pandas时间序列基础操作2.1 时间戳的创建与转换python import pandas as pd从字符串创建时间戳datestr = "2023-07-15 14:30:00" timestamp = pd.todatetime(date_str) print(f"时区感知：{timestamp.tz is None}") # 输出False表示无时区生成时间范围daterng = pd.daterange(start='1/1/2023', end='1/08/2023', freq='D')踩坑提醒：处理国际数据时务必注意时区问题，建议先用tz_localize设置时区，再用tz_convert转换。2.2 重采样(resample)实战某气象站每小时采集的温度数据：pytho...

2025年07月16日

35 阅读

0 评论

悠悠楠杉

32,131 文章数

92 评论量

人生倒计时

今日已经过去小时

这周已经过去天

本月已经过去天

今年已经过去个月

最新回复

强强强
2025-04-07

强的一批
jesse
2025-01-16

有whmcs接口吗？
sowxkkxwwk
2024-11-20

博主太厉害了！
zpzscldkea
2024-11-20

博主太厉害了！
bruvoaaiju
2024-11-14

博主太厉害了！

标签云

强的一批
有whmcs接口吗？
博主太厉害了！
博主太厉害了！
博主太厉害了！
怎么收藏这篇文章？
怎么收藏这篇文章？
想想你的文章写的特别好
想想你的文章写的特别好
不错不错，我喜欢看