我有一个这样的csv文件:
date,sym,close
2014.01.01,A,10
2014.01.02,A,11
2014.01.03,A,12
2014.01.04,A,13
2014.01.01,B,20
2014.01.02,B,22
2014.01.03,B,23
2014.01.01,C,33
2014.01.02,C,32
2014.01.03,C,31
然后,我通过
df
函数得到一个名为read_csv
的日期框架import numpy as np
import pandas as pd
df=pd.read_csv('daily.csv',index_col=[0])
groups=df.groupby('sym')[['close']].apply(lambda x:func(x['close'].values))
groups
看起来像这样:sym
A [nan,1.00,2.00,...]
B [nan,1.00,2.00,...]
C [nan,1.00,2.00,...]
如何计算每对sym之间的相关性?
AA,AB,AC,BB,BA,BC,CA,CB,CC
顺便说一下,每个Sym的项目号可能不一样。
最佳答案
如上所述,使用df
创建一个透视表:
dfp = df.pivot('date','sym')
print(dfp)
close
sym A B C
date
2014-01-01 10 20 33
2014-01-02 11 22 32
2014-01-03 12 23 31
2014-01-04 13 NaN 30
熊猫将计算成对系数:
print(dfp.corr())
close
sym A B C
sym
close A 1.000000 0.981981 -1.000000
B 0.981981 1.000000 -0.981981
C -1.000000 -0.981981 1.000000
但如果你想美化它,请查看
seaborn
:import seaborn as sns
sns.corrplot(dfp, annot=True)
结果: