pandas.core.window.rolling.Rolling.apply#

Rolling.apply(функция, raw=False, движок=None, engine_kwargs=None, args=None, kwargs=None)[источник]#

Вычислить скользящую пользовательскую агрегирующую функцию.

Параметры:
функцияфункция

Должен производить одно значение из входного ndarray, если raw=True или одиночное значение из Series, если raw=False. Также может принимать функцию Numba JIT с engine='numba' указано.

rawbool, по умолчанию False

  • False : передает каждую строку или столбец как Series в функцию.

  • True : переданная функция будет получать объекты ndarray вместо этого. Если вы просто применяете функцию редукции NumPy, это даст гораздо лучшую производительность.

движокstr, по умолчанию None

  • 'cython' : Запускает rolling apply через C-расширения из cython.

  • 'numba' : Запускает rolling apply через JIT-скомпилированный код из numba. Доступно только когда raw установлено в True.

  • None : По умолчанию 'cython' или глобальная установка compute.use_numba

engine_kwargsdict, по умолчанию None

  • Для 'cython' движок, нет принятых engine_kwargs

  • Для 'numba' движок, движок может принимать nopython, nogil и parallel ключи словаря. Значения должны быть либо True или False. По умолчанию engine_kwargs для 'numba' движок это {'nopython': True, 'nogil': False, 'parallel': False} и будет применено к обоим func и apply скользящая агрегация.

argsкортеж, по умолчанию None

Позиционные аргументы, передаваемые в функцию.

kwargsdict, по умолчанию None

Именованные аргументы для передачи в функцию.

Возвращает:
Series или DataFrame

Тип возвращаемого значения такой же, как у исходного объекта с np.float64 тип данных.

Смотрите также

pandas.Series.rolling

Вызов rolling с данными Series.

pandas.DataFrame.rolling

Вызов rolling с DataFrames.

pandas.Series.apply

Агрегирующий apply для Series.

pandas.DataFrame.apply

Агрегирующий apply для DataFrame.

Примеры

>>> ser = pd.Series([1, 6, 5, 4])
>>> ser.rolling(2).apply(lambda s: s.sum() - s.min())
0    NaN
1    6.0
2    6.0
3    5.0
dtype: float64