使用 pandas 滚动的滑动窗口迭代器

Posted 2023-03-11

【中文标题】使用 pandas 滚动的滑动窗口迭代器

【英文标题】：Sliding window iterator using rolling in pandas

【发布时间】：2016-11-25 08:00:54

【问题描述】：

如果是单行，我可以得到如下迭代器

import pandas as pd
import numpy as np

a = np.zeros((100,40))
X = pd.DataFrame(a)

for index, row in X.iterrows():
    print index
    print row

现在我希望每个迭代器都返回一个子集 X[0:9, :]、X[5:14, :]、X[10:19, :] 等。如何通过滚动 (pandas.DataFrame.rolling) 实现这一目标？

【问题讨论】：

什么是 X？什么是滚动？

好的。 X[0:9] 是什么意思？

是的，据我所知 iterrows 总是比使用索引切片慢。你的数据集有多大。

您可能需要修剪 500 列。只使用你需要的东西而不是所有东西。

我更新了我的解决方案以返回可迭代对象，这样您就不需要记住堆栈了。

【参考方案1】：

可以使用 rolling 完成，但效率低下（由于迭代所有窗口）并且需要 Pandas 1.1：

for index, row in enumerate(list(X.rolling(10))[::5]):

快一点（C 中的迭代）

from itertools import islice
for index, row in enumerate(islice(X.rolling(10), None, None, 5)):

【参考方案2】：

我将尝试以下数据框。

设置

import pandas as pd
import numpy as np
from string import uppercase

def generic_portfolio_df(start, end, freq, num_port, num_sec, seed=314):
    np.random.seed(seed)
    portfolios = pd.Index(['Portfolio '.format(i) for i in uppercase[:num_port]],
                          name='Portfolio')
    securities = ['s:02d'.format(i) for i in range(num_sec)]
    dates = pd.date_range(start, end, freq=freq)
    return pd.DataFrame(np.random.rand(len(dates) * num_sec, num_port),
                        index=pd.MultiIndex.from_product([dates, securities],
                                                         names=['Date', 'Id']),
                        columns=portfolios
                       ).groupby(level=0).apply(lambda x: x / x.sum())    


df = generic_portfolio_df('2014-12-31', '2015-05-30', 'BM', 3, 5)

df.head(10)

我现在将介绍一个函数，用于滚动多个行并连接到单个数据帧中，在该数据帧中，我将向列索引添加一个顶层，以指示滚动中的位置。

解决方案步骤 1

def rolled(df, n):
    k = range(df.columns.nlevels)
    _k = [i - len(k) for i in k]
    myroll = pd.concat([df.shift(i).stack(level=k) for i in range(n)],
                       axis=1, keys=range(n)).unstack(level=_k)
    return [(i, row.unstack(0)) for i, row in myroll.iterrows()]

虽然它隐藏在函数中，myroll 看起来像这样

现在我们可以像使用迭代器一样使用它了。

解决方案步骤 2

for i, roll in rolled(df.head(5), 3):
    print roll
    print

                    0   1   2
Portfolio                    
Portfolio A  0.326164 NaN NaN
Portfolio B  0.201597 NaN NaN
Portfolio C  0.085340 NaN NaN

                    0         1   2
Portfolio                          
Portfolio A  0.278614  0.326164 NaN
Portfolio B  0.314448  0.201597 NaN
Portfolio C  0.266392  0.085340 NaN

                    0         1         2
Portfolio                                
Portfolio A  0.258958  0.278614  0.326164
Portfolio B  0.089224  0.314448  0.201597
Portfolio C  0.293570  0.266392  0.085340

                    0         1         2
Portfolio                                
Portfolio A  0.092760  0.258958  0.278614
Portfolio B  0.262511  0.089224  0.314448
Portfolio C  0.084208  0.293570  0.266392

                    0         1         2
Portfolio                                
Portfolio A  0.043503  0.092760  0.258958
Portfolio B  0.132221  0.262511  0.089224
Portfolio C  0.270490  0.084208  0.293570

【讨论】：

你有看过 np.strides 吗？可能会在我正在做的事情上使用上述内容。

【参考方案3】：

滚动不是这样工作的。它“提供滚动转换”（来自the docs）。

你可以循环使用pandas indexing?

for i in range((X.shape[0] + 9) // 10):
    X_subset = X.iloc[i * 10: (i + 1) * 10])

【讨论】：

如何获取迭代器，类似于 iterrows()？