Python pyspark Rolling.mean用法及代码示例

本文简要介绍 pyspark.pandas.window.Rolling.mean 的用法。

用法: Rolling.mean() → FrameLike

计算值的滚动平均值。

注意

此 API 的当前实现使用 Spark 的 Window 而不指定分区规范。这会导致将所有数据移动到单个机器中的单个分区中，并可能导致严重的性能下降。避免对非常大的数据集使用此方法。

系列或DataFrame: 返回的对象类型由滚动计算的调用者确定。

例子：

>>> s = ps.Series([4, 3, 5, 2, 6])
>>> s
0    4
1    3
2    5
3    2
4    6
dtype: int64

>>> s.rolling(2).mean()
0    NaN
1    3.5
2    4.0
3    3.5
4    4.0
dtype: float64

>>> s.rolling(3).mean()
0         NaN
1         NaN
2    4.000000
3    3.333333
4    4.333333
dtype: float64

对于 DataFrame，每个滚动平均值都是按列计算的。

>>> df = ps.DataFrame({"A": s.to_numpy(), "B": s.to_numpy() ** 2})
>>> df
   A   B
0  4  16
1  3   9
2  5  25
3  2   4
4  6  36

>>> df.rolling(2).mean()
     A     B
0  NaN   NaN
1  3.5  12.5
2  4.0  17.0
3  3.5  14.5
4  4.0  20.0

>>> df.rolling(3).mean()
          A          B
0       NaN        NaN
1       NaN        NaN
2  4.000000  16.666667
3  3.333333  12.666667
4  4.333333  21.666667

相关用法

注：本文由纯净天空筛选整理自spark.apache.org大神的英文原创作品 pyspark.pandas.window.Rolling.mean。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

返回：

例子：