So berechnen sie den gleitenden median in pandas: mit beispielen

Ein gleitender Median ist der Median einer Reihe früherer Perioden in einer Zeitreihe.

Um den rollierenden Median einer Spalte in einem Pandas-DataFrame zu berechnen, können wir die folgende Syntax verwenden:

 #calculate rolling median of previous 3 periods
df[' column_name ']. rolling (3). median ()

Das folgende Beispiel zeigt, wie Sie diese Funktion in der Praxis nutzen können.

Beispiel: Berechnen Sie den gleitenden Median einer Spalte

Angenommen, wir haben den folgenden Pandas-DataFrame:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' month ': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],
                   ' leads ': [13, 15, 16, 15, 17, 20, 22, 24, 25, 26, 23, 24],
                   ' sales ': [22, 24, 23, 27, 26, 26, 27, 30, 33, 32, 27, 25]})

#view DataFrame
df

	month sales leads
0 1 13 22
1 2 15 24
2 3 16 23
3 4 15 27
4 5 17 26
5 6 20 26
6 7 22 27
7 8 24 30
8 9 25 33
9 10 26 32
10 11 23 27
11 12 24 25

Mit der folgenden Syntax können wir eine neue Spalte erstellen, die den gleitenden Median der „Umsätze“ für die letzten drei Zeiträume enthält:

 #calculate 3-month rolling median
df[' sales_rolling3 '] = df[' sales ']. rolling (3). median ()

#view updated data frame
df

	month leads sales sales_rolling3
0 1 13 22 NaN
1 2 15 24 NaN
2 3 16 23 23.0
3 4 15 27 24.0
4 5 17 26 26.0
5 6 20 26 26.0
6 7 22 27 26.0
7 8 24 30 27.0
8 9 25 33 30.0
9 10 26 32 32.0
10 11 23 27 32.0
11 12 24 25 27.0

Wir können manuell überprüfen, ob der für Monat 3 angezeigte gleitende Median der Verkäufe dem Median der letzten drei Monate entspricht:

• Median von 22, 24, 23 = 23,0

Ebenso können wir den rollierenden Median der Verkäufe für Monat 4 überprüfen:

• Median von 24, 23, 27 = 24,0

Wir können eine ähnliche Syntax verwenden, um den gleitenden 6-Monats-Median zu berechnen:

 #calculate 6-month rolling median
df[' sales_rolling6 '] = df[' sales ']. rolling (6). median ()

#view updated data frame
df

month leads sales sales_rolling3 sales_rolling6
0 1 13 22 NaN NaN
1 2 15 24 NaN NaN
2 3 16 23 23.0 NaN
3 4 15 27 24.0 NaN
4 5 17 26 26.0 NaN
5 6 20 26 26.0 25.0
6 7 22 27 26.0 26.0
7 8 24 30 27.0 26.5
8 9 25 33 30.0 27.0
9 10 26 32 32.0 28.5
10 11 23 27 32.0 28.5
11 12 24 25 27.0 28.5

Zusätzliche Ressourcen

In den folgenden Tutorials wird erläutert, wie andere gängige Vorgänge in Pandas ausgeführt werden:

So berechnen Sie einen gleitenden Durchschnitt in Pandas
So berechnen Sie die gleitende Korrelation bei Pandas
So berechnen Sie die prozentuale Veränderung bei Pandas