rolling() 滚动窗口 int

梁小亦 2023-01-13 02:22:04

课时名称课时知识点
rolling() 滚动窗口 introlling() 滚动窗口 int
...全文
147 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
Pandas rolling/ewm 滑动窗口实战：5种函数对比时间序列平滑与预测效果
本文系统对比Pandas中rolling、expanding、ewm等5种滑动窗口技术在时间序列平滑与预测中的应用效果。重点分析等权重移动平均/中位数、扩展窗口累积统计、指数加权衰减、自定义函数及基于日期的非固定窗口，涵盖窗口大小选择、边缘处理、抗噪能力、趋势响应性等关键技术指标，并结合金融、IoT、电商等场景给出选型指南。
ROS 2 Rolling Ridley 滚动开发流水线实战指南
本文深入解析 ROS 2 Rolling Ridley 的滚动发布机制，强调其作为持续集成开发流水线的本质，而非传统发行版。内容涵盖环境搭建（源码编译优先）、核心能力验证（rclcpp_components、lifecycle、QoS 升级）、三大典型应用：Rust 桥接集成、动态节点热加载、状态机驱动安全关机，并指出 Tier 1 平台支持、Breaking Changes 的语义进化本质及日常维护策略，面向深度开发者提供工程级实践指导。
Pandas多维聚合实战：滚动窗口、扩展计算与交叉表生成
本文系统讲解Pandas在生产环境中的多维聚合核心技术，涵盖多列多函数并发计算、自定义聚合函数设计、滚动窗口（rolling）动态分析、扩展窗口（expanding）累积计算，以及MultiIndex分组与unstack交叉表生成。重点解决银行等金融场景下的YTD累计、风险波动监测、业务周期重置、BI适配等实际问题，强调性能优化、一致性保障与监管合规性。
生产级多维聚合：pandas中groupby、rolling与unstack的工程实践
本文聚焦金融场景下pandas多维聚合的工程化落地，系统阐述groupby、rolling、unstack等核心操作在生产环境中的协同设计与避坑要点。重点涵盖多列多函数聚合的性能优化、自定义函数的可审计实现、滚动窗口的业务对齐（如7日工作日规则）、扩展窗口的起点控制，以及多级分组后unstack的语义重构与NaN处理。所有方案均基于真实银行风控与经营分析项目验证，强调索引对齐、内存效率、下游适配与可审计交付。
多维聚合实战：滚动窗口与层级解构的金融分析方法论
本文系统阐述面向金融场景的多维聚合核心技术，聚焦滚动窗口计算、层级解构分组与声明式聚合范式。重点解析pandas中groupby与rolling的协同机制、MultiIndex列语义建模、自定义聚合函数设计、窗口大小业务对齐原则，以及内存优化、缺失值处理、生产级报表交付等关键实践。内容覆盖风控、运营、客户生命周期等典型金融分析需求，强调一次扫描多重产出的高效聚合架构。
梁振亦的课程社区_NO_1

1

社区成员

102

社区内容

发帖
与我相关
我的任务
社区管理员
  • 梁小亦
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章