<\/p>\n
Ein gleitender Median<\/strong> ist der Median einer Reihe fr\u00fcherer Perioden in einer Zeitreihe.<\/span><\/p>\n Um den rollierenden Median einer Spalte in einem Pandas-DataFrame zu berechnen, k\u00f6nnen wir die folgende Syntax verwenden:<\/span><\/p>\n Das folgende Beispiel zeigt, wie Sie diese Funktion in der Praxis nutzen k\u00f6nnen.<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame:<\/span><\/p>\n Mit der folgenden Syntax k\u00f6nnen wir eine neue Spalte erstellen, die den gleitenden Median der \u201eUms\u00e4tze\u201c f\u00fcr die letzten drei Zeitr\u00e4ume enth\u00e4lt:<\/span><\/p>\n Wir k\u00f6nnen manuell \u00fcberpr\u00fcfen, ob der f\u00fcr Monat 3 angezeigte gleitende Median der Verk\u00e4ufe dem Median der letzten drei Monate entspricht:<\/span><\/p>\n Ebenso k\u00f6nnen wir den rollierenden Median der Verk\u00e4ufe f\u00fcr Monat 4 \u00fcberpr\u00fcfen:<\/span><\/p>\n Wir k\u00f6nnen eine \u00e4hnliche Syntax verwenden, um den gleitenden 6-Monats-Median zu berechnen:<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie andere g\u00e4ngige Vorg\u00e4nge in Pandas ausgef\u00fchrt werden:<\/span><\/p>\n So berechnen Sie einen gleitenden Durchschnitt in Pandas<\/a> Ein gleitender Median ist der Median einer Reihe fr\u00fcherer Perioden in einer Zeitreihe. Um den rollierenden Median einer Spalte in einem Pandas-DataFrame zu berechnen, k\u00f6nnen 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 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n #calculate rolling median of previous 3 periods<\/span>\ndf[' column_name<\/span> ']. rolling<\/span> (3). median<\/span> ()\n<\/strong><\/pre>\n Beispiel: Berechnen Sie den gleitenden Median einer Spalte<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' month<\/span> ': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],\n ' leads<\/span> ': [13, 15, 16, 15, 17, 20, 22, 24, 25, 26, 23, 24],\n ' sales<\/span> ': [22, 24, 23, 27, 26, 26, 27, 30, 33, 32, 27, 25]})\n\n#view DataFrame\n<\/span>df\n\n\tmonth sales leads\n0 1 13 22\n1 2 15 24\n2 3 16 23\n3 4 15 27\n4 5 17 26\n5 6 20 26\n6 7 22 27\n7 8 24 30\n8 9 25 33\n9 10 26 32\n10 11 23 27\n11 12 24 25\n<\/span><\/strong><\/pre>\n #calculate 3-month rolling median\n<\/span>df[' sales_rolling3<\/span> '] = df[' sales<\/span> ']. rolling<\/span> (3). median<\/span> ()\n\n#view updated data frame\n<\/span>df\n\n\tmonth leads sales sales_rolling3\n0 1 13 22 NaN\n1 2 15 24 NaN\n2 3 16 23 23.0\n3 4 15 27 24.0\n4 5 17 26 26.0\n5 6 20 26 26.0\n6 7 22 27 26.0\n7 8 24 30 27.0\n8 9 25 33 30.0\n9 10 26 32 32.0\n10 11 23 27 32.0\n11 12 24 25 27.0<\/strong><\/pre>\n\n
\n
#calculate 6-month rolling median\ndf['<\/span> sales_rolling6<\/span> '] = df['<\/span> sales<\/span> '].<\/span> rolling<\/span> (6).<\/span> median<\/span> ()<\/span><\/span>\n\n#view updated data frame\n<\/span>df\n\nmonth leads sales sales_rolling3 sales_rolling6\n0 1 13 22 NaN NaN\n1 2 15 24 NaN NaN\n2 3 16 23 23.0 NaN\n3 4 15 27 24.0 NaN\n4 5 17 26 26.0 NaN\n5 6 20 26 26.0 25.0\n6 7 22 27 26.0 26.0\n7 8 24 30 27.0 26.5\n8 9 25 33 30.0 27.0\n9 10 26 32 32.0 28.5\n10 11 23 27 32.0 28.5\n11 12 24 25 27.0 28.5\n<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So berechnen Sie die gleitende Korrelation bei Pandas<\/a>
So berechnen Sie die prozentuale Ver\u00e4nderung bei Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"