中文版Pandas
设 时序样本 = 表格.排序(CSV数据, "销售日期", 降序=假)
时序样本["销售额差分"] = 表格.数据差分(时序样本, "销售额")
时序样本["上一单销售额"] = 表格.数据偏移(时序样本, "销售额")
时序样本["累计销售额"] = 表格.累计统计(时序样本, "销售额", "sum")
时序样本["三单滚动均值"] = 表格.滚动平均值(时序样本, "销售额", 3)
时序样本["指数加权均值"] = 表格.指数加权平均值(时序样本, "销售额", 3)
打印("窗口计算：", 表格.前几行(时序样本, 8))原版Pandas
时序样本 = CSV数据.sort_values("销售日期").reset_index(drop=True)
时序样本["销售额差分"] = 时序样本["销售额"].diff()
时序样本["上一单销售额"] = 时序样本["销售额"].shift()
时序样本["累计销售额"] = 时序样本["销售额"].cumsum()
时序样本["三单滚动均值"] = 时序样本["销售额"].rolling(3).mean()
时序样本["指数加权均值"] = 时序样本["销售额"].ewm(span=3).mean()
print("窗口计算：", 时序样本.head(8))打印信息
窗口计算： 订单编号 销售日期 产品名称 ... 累计销售额 三单滚动均值 指数加权均值 0 ORD202607270053 2026-04-28 笔记本电脑 ... 82944 NaN 82944.000000 1 ORD202607270098 2026-04-29 无线耳机 ... 84384 NaN 28608.000000 2 ORD202607270006 2026-05-01 笔记本电脑 ... 144909 48303.000000 46846.285714 3 ORD202607270020 2026-05-02 智能手表 ... 153218 23424.666667 26293.066667 4 ORD202607270085 2026-05-02 打印机 ... 167466 27694.000000 20076.258065 5 ORD202607270010 2026-05-04 显示器 ... 171627 8906.000000 11992.317460 6 ORD202607270007 2026-05-05 打印机 ... 185679 10820.333333 13030.267717 7 ORD202607270059 2026-05-05 智能手机 ... 210555 14363.000000 18976.360784
