Janelas: rolling, expanding e ewm

A série diária

Os pedidos viram uma série por dia: a quantidade pedida a cada dia do ano. O resample("D") garante um valor para cada dia, inclusive os sem pedido (que viram zero na soma):

import numpy as np
import pandas as pd

pd.set_option("display.width", 170)
pd.set_option("display.max_columns", 20)

pedidos = pd.read_csv("dados/pedidos.csv", parse_dates=["data_pedido"])
diaria = pedidos.set_index("data_pedido")["quantidade"].resample("D").sum()
print(len(diaria), int(diaria.sum()))

365 4365

`rolling`: a janela deslizante

O rolling(7) olha os 7 últimos valores a cada posição, e a agregação (mean, sum, max...) calcula sobre eles. Os primeiros 6 dias não têm 7 valores para olhar, e ficam NaN, a não ser que você aceite janelas incompletas com min_periods:

media7 = diaria.rolling(7).mean()
print(int(media7.isna().sum()), int(diaria.rolling(7, min_periods=1).mean().isna().sum()))
print(media7.iloc[6:9].round(2).tolist())

6 0
[10.57, 9.0, 7.71]

Com min_periods=1, a média dos primeiros dias usa o que existe (a média do 1º dia é o próprio valor). É uma escolha: dá menos buracos, e as primeiras médias são menos confiáveis (menos dados por trás).

A janela por tempo

Com um índice de datas, a janela pode ser um período, e não um número de linhas. É o que você quer quando há dias faltando, porque 7D significa sempre "os últimos 7 dias corridos":

por_tempo = diaria.rolling("7D").sum()
print(int(por_tempo.isna().sum()), int(por_tempo.iloc[6]) == int(diaria.iloc[:7].sum()))

0 True

A mesma conta no NumPy

A média móvel do Pandas é exatamente a janela deslizante que você viu no capítulo 28 do curso de NumPy. Dá para conferir que os dois dão o mesmo resultado:

from numpy.lib.stride_tricks import sliding_window_view

valores = diaria.to_numpy(dtype=float)
manual = sliding_window_view(valores, 7).mean(axis=1)
print(bool(np.allclose(manual, media7.to_numpy()[6:])))

True

A vantagem do Pandas é o que vem junto: os rótulos de data, o tratamento dos buracos (min_periods) e a janela por período.

`expanding` e `ewm`

O expanding calcula sobre tudo até aqui: um acumulado, uma média desde o início. O ewm (média exponencial) dá mais peso aos valores recentes, e por isso reage mais depressa a uma mudança do que o rolling:

acumulado = diaria.expanding().sum()
print(bool(acumulado.iloc[-1] == diaria.sum()), bool(acumulado.is_monotonic_increasing))

media_exp = diaria.ewm(span=7).mean()
print(round(float(media_exp.iloc[-1]), 2), round(float(media7.iloc[-1]), 2))

True True
9.93 11.0

Os dois últimos números são parecidos mas diferentes: ambos suavizam, mas a exponencial dá mais peso aos dias recentes.

Janela por grupo

Aplicar a janela dentro de cada grupo devolve um resultado com índice duplo (grupo e data), que não alinha com a tabela original. O reset_index(level=0, drop=True) tira o nível do grupo:

por_canal = (
    pedidos.set_index("data_pedido")
    .groupby("canal")["quantidade"]
    .rolling("7D").sum()
)
print(por_canal.index.names)
por_canal = por_canal.reset_index(level=0, drop=True)
print(por_canal.index.names, len(por_canal) == len(pedidos))

['canal', 'data_pedido']
['data_pedido'] True

Comparar com o passado

O shift(7) traz o valor do mesmo dia da semana anterior, o que elimina o efeito do dia da semana (os 7 primeiros dias ficam sem comparação). E o pct_change da série semanal dá a variação de uma semana para a outra:

semana = diaria.resample("W").sum()
print(semana.pct_change().round(3).iloc[1:4].tolist())
print(int((diaria - diaria.shift(7)).isna().sum()))

[0.133, -0.044, 0.538]
7