### 使用 Python 和 Pandas 实现三年滚动窗口的时间序列数据分析 为了实现按照每三年滚动窗口（每年滑动一次）从包含日期列为 '1970-01-01' 格式的数据集中提取数据，并将结果保存到对应的文件夹中直到 2023 年 12 月 31 日，可以采用以下方法： #### 数据准备 假设有一个名为 `data.csv` 的 CSV 文件，其中有一列表示日期的列和其他数值型数据列。 ```python import pandas as pd from datetime import timedelta, datetime # 加载数据集 df = pd.read_csv('data.csv', parse_dates=['date']) # 设置索引为日期列 df.set_index('date', inplace=True) # 排序以确保时间顺序正确 df.sort_index(inplace=True) ``` #### 定义函数用于创建三年滚动窗口并保存数据 定义一个函数来遍历整个时间段，每次取三年的数据片段，并将其保存至相应的文件夹内。 ```python def rolling_window_save(df, start_date='1970-01-01', end_date='2023-12-31'): current_start = datetime.strptime(start_date, '%Y-%m-%d') end_datetime = datetime.strptime(end_date, '%Y-%m-%d') while current_start <= end_datetime: window_end = min(current_start + timedelta(days=3*365), end_datetime) # 计算当前窗口结束日期 # 提取出当前窗口范围内的子集 subset_df = df.loc[current_start:window_end] if not subset_df.empty: folder_name = f"{current_start.strftime('%Y')}-{window_end.year}" # 创建目录如果不存在的话 output_folder = './output/' + folder_name !mkdir -p {output_folder} file_path = f'{output_folder}/data_{folder_name}.csv' subset_df.to_csv(file_path) # 更新起始时间为下一年的第一天 current_start += timedelta(days=365) rolling_window_save(df) ``` 此代码段实现了基于给定参数设置的三年期滚动窗口逻辑[^1]。通过调整 `start_date` 和 `end_date` 参数可适应不同的需求场景。注意这里简单地认为每年都是 365 天；对于更精确的结果应当考虑闰年的存在。