このコードは、時系列データのローリングウィンドウ特徴量（平均と標準偏差）を計算しています。

import pandas as pd
import numpy as np

np.random.seed(46)
data = pd.Series(np.random.randn(100).cumsum())

rolling_features \
    = data.rolling(window=10). \
        agg(['mean', 'std']).dropna()

print(rolling_features)

 

詳しく説明します。

 

まず、randomでランダムに生成された100要素の配列を生成します。cumsum()関数を使って累積和を取り、1次の非定常過程のデータ（ランダムウォーク）を生成します。

np.random.seed(46)
data = pd.Series(np.random.randn(100).cumsum())

 

dataに格納されているデータは次のようになっています。

0     0.584876
1     1.816072
2     2.637972
3     1.838743
4     2.250797
        ...   
95   -5.925298
96   -6.230614
97   -5.903785
98   -5.722589
99   -6.678199
Length: 100, dtype: float64

 

rolling()メソッドを使って、10要素のローリングウィンドウ（移動窓）を扱うことができるようになります。結果は各ウィンドウに対応する部分時系列です。この部分時系列に対し、agg(['mean', 'std'])メソッドを用いて、各ウィンドウの平均値と標準偏差を計算します。

rolling_features \
    = data.rolling(window=10). \
        agg(['mean', 'std']).dropna()

最初の9要素にはウィンドウが適用できないため（ウィンドウサイズ未満なので）、それらは計算結果から除外され欠損します。dropna()メソッドを用いて、除外しています。

したがって、元のデータは100要素ありましたが、結果のデータフレームrolling_featuresには91行しか存在しかありません。

 

この計算結果を出力します。各10要素からなるウィンドウの平均（mean）と標準偏差（std）です。

print(rolling_features)

        mean       std
9   1.818234  0.577177
10  1.893488  0.428380
11  1.847271  0.461325
12  1.875374  0.519711
13  1.936488  0.549977
..       ...       ...
95 -6.574960  0.971891
96 -6.647001  0.908853
97 -6.652144  0.903989
98 -6.565331  0.951005
99 -6.508535  0.922355

[91 rows x 2 columns]

ローリングウィンドウ特徴量とは？

ローリングウィンドウ特徴量は、時系列データの解析手法の一つで、指定されたウィンドウサイズに基づいて一連の時系列データから計算される統計的特徴量（平均、標準偏差、最大値、最小値など）を意味します。

ウィンドウは一定の長さ（時点数）を持ち、時系列データ上を「ローリング」（移動）することで、各時点でのウィンドウ内のデータに基づいた特徴量を生成します。

これは、一定の時間窓でのデータの振る舞いを捉えることで、データの傾向、周期性、変動幅などを理解するための重要な手法です。これは、株価の動き、気温の変動、ウェブサイトの訪問者数の変化など、時間とともに変化するデータを解析する際に特に有用です。

Pandasのrolling()メソッドを使用してローリングウィンドウを適用し、その後agg()メソッドを用いて各ウィンドウでの平均値と標準偏差を計算しています。

よく用いられる統計的特徴量

Pandasのローリングウィンドウを使うと様々な統計的特徴量を計算することができます。

以下は、よく用いられる統計的特徴量の一部です。

• mean: 平均値
• std: 標準偏差
• var: 分散
• min: 最小値
• max: 最大値
• sum: 合計値
• median: 中央値
• quantile: 分位数
• skew: 歪度（分布の非対称性を表す）
• kurt: 尖度（分布の尖り具合を表す）

 

これらの関数を、agg()メソッドを用いて指定すれば、指定したウィンドウサイズ内のデータに対して特徴量計算が可能です。

例えば、10要素のウィンドウで最大値と最小値を求めたい場合は次のように記述します。

rolling_features = data.rolling(window=10).agg(['max', 'min'])

これにより、各10要素のウィンドウに対する最大値と最小値のローリングウィンドウ特徴量が得られます。

よくある活用方法

ローリングウィンドウ特徴量は、時系列データの解析に広く活用されます。以下に、その活用例をいくつか紹介します：

金融データの解析
株価や為替レートなどの金融時系列データの解析によく使われます。例えば、過去10日間の株価の平均或いは標準偏差など、指標となる統計量を計算する際に利用されます。

センサーデータの解析
工場や製品の状態監視に使われるセンサーデータ（温度、圧力、湿度など）も時系列データです。定期的にセンサーから取得されたデータにローリングウィンドウ特徴量を計算し、異常値の検出やトレンドの把握を行います。

推移の確認・予測
気象情報（気温、降水量、風速など）やウェブサイトの訪問者数、販売数などの推移を確認し、予測する際に活用します。

機械学習の特徴量生成
ローリングウィンドウ特徴量は、時系列データを用いた機械学習モデルの特徴量としても使われます。ウィンドウ内の統計量は、将来の予測を行う際に有用な情報を持つことが多いからです。

以上のように、ローリングウィンドウ特徴量は、時間の経過とともに変化するデータの傾向を把握し、解釈や予測を行うための重要なツールとなります。