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
技术标签:
【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
【讨论】:
以上是关于在 Pandas 多索引 DataFrame 上扩展指数权重,其中每一天都是一个矩阵的主要内容,如果未能解决你的问题,请参考以下文章
Pandas 多索引 DataFrame 到 Numpy Ndarray
在 Pandas 多索引 DataFrame 上扩展指数权重,其中每一天都是一个矩阵