Pandas-在多列上使用`.rolling（）`

  • Z时代
  • 2024-01-10
  • 分类：问答

考虑一只DataFrame看起来像下面的熊猫

      A     B     C
0  0.63  1.12  1.73
1  2.20 -2.16 -0.13
2  0.97 -0.68  1.09
3 -0.78 -1.22  0.96
4 -0.06 -0.02  2.18

我想使用该函数.rolling()执行以下计算t = 0,1,2：

  • 选择从行t到t+2

  • 从所有列中获取这3行中包含的9个值。称这套S

  • 计算的第75个百分位数S（或有关的其他汇总统计数据S）

例如，对于t = 1S =

{2.2，-2.16，-0.13，0.97，-0.68，1.09，-0.78，-1.22，0.96}，第75个百分位数是0.97。

我找不到与之配合使用的方法.rolling()，因为它显然需要将每一列分开。我现在依靠for循环，但这确实很慢。

您对更有效的方法有何建议？

回答：

一种解决方案是对stack数据进行处理，然后将窗口大小乘以列数，然后将结果乘以列数。另外，由于要使用前向窗口，因此请颠倒堆叠的顺序DataFrame

wsize = 3
cols = len(df.columns)
df.stack(dropna=False)[::-1].rolling(window=wsize*cols).quantile(0.75)[cols-1::cols].reset_index(-1, drop=True).sort_index()

输出：

0    1.12
1    0.97
2    0.97
3     NaN
4     NaN
dtype: float64

在多列和小窗口的情况下：

import pandas as pd
import numpy as np
wsize = 3
df2 = pd.concat([df.shift(-x) for x in range(wsize)], 1)
s_quant = df2.quantile(0.75, 1)
# Only necessary if you need to enforce sufficient data. 
s_quant[df2.isnull().any(1)] = np.NaN

输出： s_quant

0    1.12
1    0.97
2    0.97
3     NaN
4     NaN
Name: 0.75, dtype: float64

以上是 Pandas-在多列上使用`.rolling（）` 的全部内容， 来源链接： utcz.com/qa/421896.html

回到顶部