Pandas 数据帧expanding()方法

原文：https://www.studytonight.com/pandas/pandas-dataframe-expanding-method

在本教程中，我们将学习 PandasDataFrame.expanding()方法。这是 Pandas 的窗口方法之一，它提供了扩展转换。它返回一个为特定操作分类的窗口。

下图显示了DataFrame.expanding()方法的语法。

句法

DataFrame.expanding(min_periods=1, center=None, axis=0)

因素

min_periods: int，默认 1。窗口中具有一个值所需的最小观察次数(否则结果为“无”)。

中心: bool，默认 False。将标签设置在窗口的中心。

轴: int 或 str，默认为 0

示例 1:扩展数据帧

在下面的例子中，DataFrame.expanding()方法计算整个数据帧的累积总和。

import pandas as pd
df = pd.DataFrame({"A": [1, 2, 3],"B": [1, 1, 1]})
print("---The DataFrame is---")
print(df)
print("------Output of the function is-------")
print(df.expanding().sum())

一旦我们运行该程序，我们将获得以下输出。

-数据帧为- A B 0 1 1 1 2 1 2 3 1 -方法输出为- A B 0 1.0 1.0 1 3.0 2.0 2 6.0 3.0

示例 2:扩展数据帧

在下面的示例中，DataFrame.expanding()方法计算数据帧中所选列的累积和，并将结果存储在另一列中。

import pandas as pd
df = pd.DataFrame({"A": [1, 2, 3],"B": [1, 1, 1]})
print("---The DataFrame is---")
print(df)
print("------Output of the function is-------")
df["result"]=df.A.expanding().sum()
print(df)

一旦我们运行该程序，我们将获得以下输出。

-数据帧为- A B 0 1 1 1 2 1 2 3 1 -方法输出为- A B 结果 0 1 1 1.0 1 2 1 3.0 2 3 1 6.0

示例 3:扩展数据帧

在下面的例子中，DataFrame.expanding()方法计算了沿着行轴的整个数据帧的累积总和。

import pandas as pd
df = pd.DataFrame({"A": [1, 2, 3],"B": [1, 1, 1]})
print("---The DataFrame is---")
print(df)
print("------Output of the function is-------")
print(df.expanding(axis=1).sum())

一旦我们运行该程序，我们将获得以下输出。

-数据帧为- A B 0 1 1 1 2 1 2 3 1 -方法输出为- A B 0 1.0 2.0 1 2.0 3.0 2 3.0 4.0

示例 4:用最小周期扩展数据帧

在以下示例中，DataFrame.expanding()方法使用min_periods=2.计算整个数据帧的累积总和

import pandas as pd
df = pd.DataFrame({"A": [1, 2, 3],"B": [1, 1, 1]})
print("---The DataFrame is---")
print(df)
print("------Output of the function is-------")
print(df.expanding(min_periods=2).sum())

一旦我们运行该程序，我们将获得以下输出。

-数据帧为- A B 0 1 1 1 2 1 2 3 1 -方法输出为- A B 0 NaN NaN 1 3.0 2.0 2 6.0 3.0

结论:

在本教程中，我们学习了 PandasDataFrame.expanding() 法。我们通过将这种方法应用于数据帧来解决不同的例子。我们将该方法应用于具有均值、中值、方差、协方差、相关性、等的数据帧。，并观察输出。