pandas.core.window.rolling.Rolling.sum

Rolling.sum(numeric_only=False, *args, engine=None, engine_kwargs=None, **kwargs)[source]

Вычисление скользящей суммы.

Параметры

numeric_only:bool, по умолчанию False

Включать только числовые (float, int, boolean) столбцы.

Введено в версии 1.5.0.

*args

Для совместимости с NumPy, не оказывает влияния на результат.

Устарело начиная с версии 1.5.0.

engine:str, по умолчанию None

• 'cython' : Выполняет операцию через C-расширения из cython.

• 'numba' : Выполняет операцию через JIT-скомпилированный код из numba.

• None : По умолчанию 'cython' или глобально установлено compute.use_numba

  Введено в версии 1.3.0.

engine_kwargs:dict, по умолчанию None

• Для 'cython' движка, допустимых engine_kwargs нет.

• Для 'numba' движка, движок может принимать nopython, nogil и parallel ключи словаря. Значения должны быть либо True или False. Значение по умолчанию engine_kwargs для 'numba' движка равно {'nopython': True, 'nogil': False, 'parallel': False}

  Введено в версии 1.3.0.

**kwargs

Для совместимости с NumPy, не оказывает влияния на результат.

Устарело начиная с версии 1.5.0.

Возвращает

Series или DataFrame

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

См. также

pandas.Series.rolling

Вызов rolling для данных Series.

pandas.DataFrame.rolling

Вызов rolling для DataFrames.

pandas.Series.sum

Агрегирование sum для Series.

pandas.DataFrame.sum

Агрегирование sum для DataFrame.

Примечания

См. Движок Numba и Numba (JIT-компиляция) для расширенной документации и рекомендаций по производительности для движка Numba.

Примеры

>>> s = pd.Series([1, 2, 3, 4, 5])
>>> s
0    1
1    2
2    3
3    4
4    5
dtype: int64

>>> s.rolling(3).sum()
0     NaN
1     NaN
2     6.0
3     9.0
4    12.0
dtype: float64

>>> s.rolling(3, center=True).sum()
0     NaN
1     6.0
2     9.0
3    12.0
4     NaN
dtype: float64

Для DataFrame, каждая сумма вычисляется по столбцам.

>>> df = pd.DataFrame({"A": s, "B": s ** 2})
>>> df
   A   B
0  1   1
1  2   4
2  3   9
3  4  16
4  5  25

>>> df.rolling(3).sum()
      A     B
0   NaN   NaN
1   NaN   NaN
2   6.0  14.0
3   9.0  29.0
4  12.0  50.0