Python 数据帧列的滚动梯度

如何使用另一列的渐变在数据帧中创建列

我希望梯度在滚动窗口上运行，因此一次只评估4个数据点

我假设是这样的：

df['Gradient']=np.梯度（df['Yvalues'].滚动（中心=假，窗口=4））

但是，这会产生错误：

raise VALUERROR（'值的长度与“”索引的长度不匹配'）
ValueError:值的长度与索引的长度不匹配

有什么想法吗

---

谢谢

从给定的信息可以看出，您没有为滚动窗口提供聚合函数

df['Gradient'] = np.gradient(df['Yvalues'].rolling(center=False,window=4).mean())

或

您可以在此网站上阅读有关滚动功能的更多信息：

---

我想我找到了解决办法。虽然这可能不是最有效的

类行（对象）：
定义初始化（自）：
通过
定义日期索引到整数轴（self，dateindex）：
d=[d.date（）表示日期索引中的d]
天数=[（d[x]-d[x-1]）。范围（0，len（d））内x的天数]
轴=np.总和（天）
轴=[x-轴中x的天数[0]
返回轴
def滚动（自身、X值、Y值、w）：#滚动生成器功能#https://stackoverflow.com/questions/231767/what-does-the-yield-keyword-do-in-python
对于范围内的i（len（xvalue）+1-w）：
产量X值[i:i+w]，Y值[i:i+w]
def梯度（自身、X值、Y值）：
#使用最小二乘法。
#返回两个数组向量的梯度(https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.linalg.lstsq.html)
A=np.vstack（[Xvalues，np.one（len（Xvalues））]）.T
m、 c=np.linalg.lstsq（A，y值）[0]
返回m，c
def梯度_列（自身、数据、窗口）：
“”“从数据帧（带有关联的“日期”索引）中提取单列内容”
vars=variables（）
#获取“X”值
Xvalues=self.date\u index\u到\u integer\u轴（data.index）
Xvalues=np.asarray（Xvalues，dtype=np.float）
#获取“Y”值
Yvalues=np.asarray（[val代表数据中的val]，dtype=np.float）
Yvalues=np.asarray（Yvalues，dtype=np.float）
#计算滚动窗口“梯度”（“m”在Y=mx+c中）
Gradient_Col=[self.Gradient（sx，sy）[0]表示自滚动中的sx，sy（xvalue，yvalue，int（window））]
Gradient\u Col=np.asarray（Gradient\u Col，dtype=np.float）
nan_数组=np.empty（[int（窗口）-1]）
nan_数组[：]=np.nan
#在“渐变颜色”的开始处填充空格，使其与原始数据帧的长度相同（由于窗口的原因而较短）
渐变色=np.insert（渐变色，0，nan数组）
返回梯度
df['Gradient']=行。Gradient_列（df['operation Revenue'，window=4）

请提供有关您的数据集的样本数据或统计数据，即数据点的数量等。数据点不多。例如，如果一个柱上有100 150 209 319 400，则相邻的柱上会有一个gradientHi@Bryce Ramgovind的滚动窗口。我不想要一个聚合函数。。。梯度应该是函数。我想要的是一次四行的滚动窗口。

df['Gradient'] = np.gradient(df['Yvalues'].rolling(center=False,window=4).sum())