我希望能够根据数据框中的部分数据计算滚动标准偏差。一个例子将说明我要完成的工作。

                   A         B         C
2000-01-01  0.425615  1.679789 -1.903056
2000-01-02  0.791313  0.562471  0.098124
2000-01-03  1.223165 -0.548387 -1.558204
2000-01-04  0.354931 -0.685773  0.647817
2000-01-05  1.137434  1.000594  0.428180
2000-01-06 -0.265311 -1.807045  0.533477
2000-01-07  0.717505  1.647540 -0.141123
2000-01-08 -2.405664  1.278410  1.043872
2000-01-09  0.463943  0.982042 -0.382241
2000-01-10 -0.403267 -0.615421  0.583384
2000-01-11 -0.714163  0.470505 -0.291396
2000-01-12  0.209979 -0.118331 -0.369776
2000-01-13 -0.779638  0.924612 -0.477497
2000-01-14  0.149868 -0.376292  0.747637
2000-01-15 -0.464360  0.821400  1.412874


这是我想做的:


计算应针对每一列滚动进行。
我想使用以下数据计算滚动标准偏差
每第n个日期
    在数据帧中。如果n = 3并且我想计算标准
    2000-01-15的偏差,使用
    以下日期:2000-01-15、2000-01-12、2000-01-09、2000-01-06,
    2000-01-03。对于2000-01-14,我使用2000-01-14、2000-01-11、2000-01-08,
    2000-01-05、2000-01-02。其他日期使用相同的逻辑以获得滚动标准偏差。
如果该逻辑可以应用于其他
计算。我不知道的是如何在
不同的时间分辨率。

最佳答案

window_step_size = 3
rolling_window = 3
>>> pd.rolling_std(df.ix[df.index[::-1][::window_step_size][::-1]], window=rolling_window)
                   A         B         C
2000-01-03       NaN       NaN       NaN
2000-01-06       NaN       NaN       NaN
2000-01-09  0.744288  1.396749  1.048535
2000-01-12  0.370182  1.404848  0.525129
2000-01-15  0.479753  0.594379  1.032831


df.index[::-1]反转索引中的日期,以便最近的日期在第一位。然后df.ix[df.index[::-1][::window_step_size]从该索引中获取每个nth值(例如,每第三个日期)。最后,df.index [::-1] [:: window_step_size] [::-1]首先使用日期最早的索引。

>>> df.index[::-1][::window_step_size][::-1]
Index([u'2000-01-03', u'2000-01-06', u'2000-01-09', u'2000-01-12', u'2000-01-15'], dtype='object')


基于此新索引,从数据库中选择值:

>>> df.ix[df.index[::-1][::window_step_size][::-1]]

                   A         B         C
2000-01-03  1.223165 -0.548387 -1.558204
2000-01-06 -0.265311 -1.807045  0.533477
2000-01-09  0.463943  0.982042 -0.382241
2000-01-12  0.209979 -0.118331 -0.369776
2000-01-15 -0.464360  0.821400  1.412874


现在,您可以为所选的滚动窗口使用常规的pd.rolling_std函数。

pd.rolling_std(df.ix[df.index[::-1][::window_step_size][::-1]], window=rolling_window)


编辑要获取每日值,可以串联。

def roll_sd(df, rolling_window, window_step_size):
    return pd.rolling_std(df.ix[df.index[::-1][::window_step_size][::-1]],
                          window=rolling_window)

df_sd = pd.concat([roll_sd(df.iloc[0:len(df)-n], rolling_window, window_step_size)
                   for n in range(window_step_size)])

df_sd.sort_index()
                   A         B         C
2000-01-01       NaN       NaN       NaN
2000-01-02       NaN       NaN       NaN
2000-01-03       NaN       NaN       NaN
2000-01-04       NaN       NaN       NaN
2000-01-05       NaN       NaN       NaN
2000-01-06       NaN       NaN       NaN
2000-01-07  0.192205  1.356544  1.305998
2000-01-08  1.953373  0.360948  0.480009
2000-01-09  0.744288  1.396749  1.048535
2000-01-10  0.571905  1.327296  0.438081
2000-01-11  1.772152  0.410464  0.668307
2000-01-12  0.370182  1.404848  0.525129
2000-01-13  0.778805  1.155806  0.542145
2000-01-14  1.299902  0.827427  0.701223
2000-01-15  0.479753  0.594379  1.032831

关于python - 使用Pandas在数据框中使用部分数据滚动标准差,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/35238691/

10-12 23:33