在 Pandas 多索引 DataFrame 上扩展指数权重，其中每一天都是一个矩阵

Posted 2023-03-12

【中文标题】在 Pandas 多索引 DataFrame 上扩展指数权重，其中每一天都是一个矩阵

【英文标题】：expanding exponential weighting on Pandas multi-index DataFrame where each day is a matrix

【发布时间】：2019-03-07 04:13:52

【问题描述】：

我有一个多索引数据框，其中第一个索引是日期，每天都是一个 3x3 矩阵：

multi_index = pd.MultiIndex.from_product([[pd.datetime(2017, 1, 1),pd.datetime(2017, 1, 2),pd.datetime(2017, 1, 3)], ['A','B','C']])
df = pd.DataFrame(index=multi_index, data="A": [1, 2, 3, 4, 1, 2, 3, 4, 2],"B": [1, 2, 3, 4, 1, 2, 3, 4, 2],"C": [1, 2, 3, 4, 1, 2, 3, 4, 2])

我想创建一个与 df 具有相同结构的新数据框，但这些值是矩阵扩展窗口的指数加权平均值。

因此对于 2017-01-01，新 df 与旧 df 相同。在 2017 年 1 月 2 日，新的 df 是来自 df 的 2017 年 1 月 1 日和 2017 年 1 月 2 日 2 个矩阵的指数加权平均值。在2017-01-03，它是3个矩阵的指数加权平均值。

我正在尝试 groupby/expanding/apply/ewm 的组合，但没有找到解决方案。

【问题讨论】：

我喜欢这个问题！我的理解是ewm 只有滚动窗口功能。所以我最初的猜测也是使用expanding，然后使用自定义函数进行指数平均。

@gofvonx 似乎“扩展”适用于行，而不是每日协方差矩阵。如果你能用给定的数据展示一个例子，那就太好了。

【参考方案1】：

以下内容对您有用吗？按第二个索引分组，然后应用pandas.DataFrame.ewm

print(df)
              A  B  C
2017-01-01 A  1  1  1
           B  2  2  2
           C  3  3  3
2017-01-02 A  4  4  4
           B  1  1  1
           C  2  2  2
2017-01-03 A  3  3  3
           B  4  4  4
           C  2  2  2

result = df.groupby(level=1).apply(lambda x: x.ewm(1).mean())
print(result)
                     A         B         C
2017-01-01 A  1.000000  1.000000  1.000000
           B  2.000000  2.000000  2.000000
           C  3.000000  3.000000  3.000000
2017-01-02 A  3.000000  3.000000  3.000000
           B  1.333333  1.333333  1.333333
           C  2.333333  2.333333  2.333333
2017-01-03 A  3.000000  3.000000  3.000000
           B  2.857143  2.857143  2.857143
           C  2.142857  2.142857  2.142857