このコードは、Pandasを使用してサンプルデータのシリーズに対して3期間のローリング尖度（kurtosis）を計算し、その結果を表示しています。

import pandas as pd

# サンプルデータ
data = pd.Series([
    8, 6, 7, 5, 3, 4, 9, 2, 1, 10])

# 5期間ローリング特徴量
moving = data.rolling(window=5).kurt()

print(moving.dropna())

 

詳しく説明します。

 

まず、6か月間の売上データをリストとして定義しています。

sales_data = [200, 210, 205, 220, 230, 240]

 

サンプルデータをPandasのSeriesオブジェクトとして作成します。このSeriesは10個の整数値からなります。

data = pd.Series([8, 6, 7, 5, 3, 4, 9, 2, 1, 10])

 

dataに格納されているデータは以下です。

0     8
1     6
2     7
3     5
4     3
5     4
6     9
7     2
8     1
9    10
dtype: int64

 

dataの各要素に対して、ウィンドウサイズ5のローリング尖度を計算します。ローリング尖度は、指定されたウィンドウ内のデータの尖度（分布の鋭さ）を計算します。

moving = data.rolling(window=5).kurt()

 

計算結果からNaN（Not a Number）値を除外し（.dropna()）、結果を表示します。NaNは、ウィンドウサイズがデータの先頭部分に適用できないために発生します。

print(moving.dropna())

4   -0.021914
5   -1.200000
6   -0.945303
7    2.021017
8    2.675098
9   -2.812220
dtype: float64

ローリング（移動）特徴量とは、時系列データや連続データに対して、一定のウィンドウサイズ（期間）を設定し、そのウィンドウ内で計算される統計量や特徴量のことを指します。

これにより、データの局所的な変動や傾向を捉えることができます。

具体的には、以下のような特徴量がローリング（移動）特徴量として計算されることが多いです。

• 移動平均 (Moving Average): ウィンドウ内のデータの平均値（データの中心傾向）を計算します。データの平滑化やトレンドの把握に使用されます。
• 移動分散 (Moving Variance): ウィンドウ内のデータの分散（データのばらつき）を計算します。データの変動の大きさを把握するのに役立ちます。
• 移動標準偏差 (Moving Standard Deviation): ウィンドウ内のデータの標準偏差（データのばらつき）を計算します。データのばらつきを把握するのに役立ちます。
• 移動尖度 (Moving Kurtosis): ウィンドウ内のデータの尖度（分布の鋭さ）を計算します。データの分布の鋭さを把握するのに役立ちます。
• 移動歪度 (Moving Skewness): ウィンドウ内のデータの歪度（分布の非対称性）を計算します。データの分布の非対称性を把握するのに役立ちます。
• 移動最小値 (Moving Minimum): ウィンドウ内のデータの最小値を計算します。
• 移動最大値 (Moving Maximum): ウィンドウ内のデータの最大値を計算します。

 

これらのローリング特徴量を計算することで、データの局所的な特性を捉え、異常検知や予測モデルの精度向上に役立てることができます。

Pandasのrollingメソッドは、時系列データや連続データに対して、指定されたウィンドウサイズでローリング計算（移動計算）を行うために使用されます。

これにより、データの局所的な統計量や特徴量を計算することができます。

以下はrollingメソッドの主な引数です。

• window: 計算に使用するウィンドウサイズを指定します。整数値を指定します。
• >min_periods: 計算に必要な最小の観測値の数を指定します。デフォルトはwindowと同じです。
• center: ウィンドウを中心に配置するかどうかを指定します。デフォルトはFalseです。
• win_type: ウィンドウのタイプを指定します。デフォルトはNoneです。
• on: 計算に使用する列を指定します。デフォルトはNoneです。
• axis: 計算に使用する軸を指定します。デフォルトは0です。
• closed: ウィンドウのどの端点を含むかを指定します。デフォルトはrightです。

 

以下は、rollingメソッドを使用して移動平均を計算する例です。

import pandas as pd

# サンプルデータ
data = pd.Series([8, 6, 7, 5, 3, 4, 9, 2, 1, 10])

# 3期間ローリング平均の計算
moving_avg = data.rolling(window=3).mean()
print(moving_avg)

 

以下、結果です。

0         NaN
1         NaN
2    7.000000
3    6.000000
4    5.000000
5    4.000000
6    5.333333
7    5.000000
8    4.000000
9    4.333333
dtype: float64

 

この例では、ウィンドウサイズ3で移動平均を計算しています。最初の2つの値はウィンドウサイズに満たないためNaNとなり、それ以降の値はウィンドウ内の平均値が計算されます。
center=Trueとし、ウィンドウを中心に配置し計算します。

以下、コードです。

# サンプルデータ
data = pd.Series([8, 6, 7, 5, 3, 4, 9, 2, 1, 10])

# 3期間ローリング平均の計算
moving_avg = data.rolling(window=3,center=True).mean()
print(moving_avg)

 

以下、結果です。

0         NaN
1    7.000000
2    6.000000
3    5.000000
4    4.000000
5    5.333333
6    5.000000
7    4.000000
8    4.333333
9         NaN
dtype: float64

 

closed='left'とし、ウィンドウを中心に配置し計算します。

以下、コードです。

# サンプルデータ
data = pd.Series([8, 6, 7, 5, 3, 4, 9, 2, 1, 10])

# 3期間ローリング平均の計算
moving_avg = data.rolling(window=3,closed='left').mean()
print(moving_avg)

 

以下、結果です。

0         NaN
1         NaN
2         NaN
3    7.000000
4    6.000000
5    5.000000
6    4.000000
7    5.333333
8    5.000000
9    4.000000
dtype: float64

 

色々な統計量で求めてみます。

以下、コードです。

import pandas as pd

# サンプルデータ
data = pd.Series([8, 6, 7, 5, 3, 4, 9, 2, 1, 10])

# 3期間ローリング特徴量
moving_avg = data.rolling(window=5).mean()
moving_var = data.rolling(window=5).var()
moving_std = data.rolling(window=5).std()
moving_skew = data.rolling(window=5).skew()
moving_min = data.rolling(window=5).min()
moving_max = data.rolling(window=5).max()
moving_kurt = data.rolling(window=5).kurt()

# 結果をまとめて表示
df = pd.DataFrame({
    'data': data,
    'moving_avg': moving_avg,
    'moving_var': moving_var,
    'moving_std': moving_std,
    'moving_skew': moving_skew,
    'moving_min': moving_min,
    'moving_max': moving_max,
    'moving_kurt': moving_kurt
})

print(df.dropna())

 

以下、結果です。

   data  moving_avg  moving_var  moving_std  moving_skew  moving_min  \
4     3         5.8         3.7    1.923538    -0.590129         3.0   
5     4         5.0         2.5    1.581139     0.000000         3.0   
6     9         5.6         5.8    2.408319     0.601364         3.0   
7     2         4.6         7.3    2.701851     1.338504         2.0   
8     1         3.8         9.7    3.114482     1.549131         1.0   
9    10         5.2        16.7    4.086563     0.347275         1.0   

   moving_max  moving_kurt  
4         8.0    -0.021914  
5         7.0    -1.200000  
6         9.0    -0.945303  
7         9.0     2.021017  
8         9.0     2.675098  
9        10.0    -2.812220

 

自分で定義したカスタム統計量でも求めることができます。

以下、コードです。

import pandas as pd

data = pd.Series([8, 6, 7, 5, 3, 4, 9, 2, 1, 10])

# カスタム統計量の定義 (ここでは「標本範囲 = 最大値 - 最小値」を定義)
def custom_function(x):
    value = x.max() - x.min()
    return value

# 3期間ローリング特徴量
moving_range = data.rolling(window=3).apply(custom_function)

print(moving_range)

 

以下、結果です。

0    NaN
1    NaN
2    2.0
3    2.0
4    4.0
5    2.0
6    6.0
7    7.0
8    8.0
9    9.0
dtype: float64