从 Pandas 中的滚动窗口生成值组合
Posted
技术标签:
【中文标题】从 Pandas 中的滚动窗口生成值组合【英文标题】:Generate combinations of values from rolling window in Pandas 【发布时间】:2018-11-22 07:24:34 【问题描述】:对于我的数据框中的每一行,我需要创建列 a
的两个值的每个组合,从以该行结束的为期三天的滑动窗口。我的数据框是这样的:
import pandas as pd
df = pd.DataFrame('a': [1, 2, 3, 4, 5],
index=[pd.Timestamp('20180101'),
pd.Timestamp('20180102'),
pd.Timestamp('20180103'),
pd.Timestamp('20180105'),
pd.Timestamp('20180106')])
请注意,时间索引参差不齐(行之间的间隔不一致)。组合应该是:
row0: None
row1: [(1, 2)]
row2: [(1, 2), (1, 3), (2, 3)]
row4: [(3, 4)]
row5: [(4, 5)]
我可以很容易地做到这一点没有窗口,只需使用itertools.combinations
生成列a
的两个元素的每个组合:
import itertools as it
combos = it.combinations(df['a'], 2)
for c in combos:
print(c)
# (1, 2)
# (1, 3)
# (1, 4)
# (1, 5)
# etc.
但我的应用程序需要窗口版本。到目前为止,我最好的选择是使用df.rolling
。我可以做一些简单的事情,比如在三天的窗口中对元素求和:
df.rolling('3d').sum()
# get [1, 3, 6, 7, 9] which we expect
但我似乎无法在滚动窗口上执行更复杂的操作(或从操作中返回比实数更复杂的类型)。
问题
如何使用df.rolling
在滚动窗口上进行组合?还是有其他工具可以做到这一点?
尝试
到目前为止,我的想法是有一些方法可以使用 df.rolling
和 df.apply
以及 it.combinations
为我的数据框中的每个窗口生成迭代器,然后将该迭代器插入到我的数据框的新列中。比如:
df.rolling('3d').apply(lambda x: it.combinations(x, 2))
给出TypeError
:
TypeError: 必须是实数,而不是 itertools.combinations
因为df.rolling.apply
要求它的参数返回单个实值,而不是对象,也不是列表。
我也试过直接在滚动窗口上使用it.combinations
:
it.combinations(df.rolling('3d'), 2)
给出:
KeyError: '未找到列:0'
如果我明确选择列a
:
it.combinations(df.rolling('3d')['a'], 2)
我明白了:
例外:已选择的列
那么有没有办法定义一个函数,我可以用df.apply
调用它,将滚动窗口上的迭代器插入数据帧每一行的新列中?我什至可以在传递给apply
的函数中对当前行以外的行进行操作吗?
【问题讨论】:
【参考方案1】:好的,这是一个 hack,但它可能有用。
我们要做的就是重用 df.rolling 的窗口工具。我们可以尝试查看代码的一些非公开部分,但我们可以利用这样一个事实,即我们可以在返回浮点数之前强制在 apply 内部调用函数:
In [28]: dummy = df.rolling("3d")["a"].apply((lambda x: print(x) or 0), raw=False)
2018-01-01 1.0
dtype: float64
2018-01-01 1.0
2018-01-02 2.0
dtype: float64
2018-01-01 1.0
2018-01-02 2.0
2018-01-03 3.0
dtype: float64
2018-01-03 3.0
2018-01-05 4.0
dtype: float64
2018-01-05 4.0
2018-01-06 5.0
dtype: float64
所以:
In [29]: roll_slices = []
In [30]: dummy = df.rolling("3d")["a"].apply((lambda x: roll_slices.append(list(combinations(x, 2))) or 0), raw=False)
In [31]: roll_slices
Out[31]:
[[],
[(1.0, 2.0)],
[(1.0, 2.0), (1.0, 3.0), (2.0, 3.0)],
[(3.0, 4.0)],
[(4.0, 5.0)]]
之后你就可以做你喜欢的事了。
【讨论】:
哇!在侧滚动应用中附加到列表。好的。 +1 我收到TypeError: apply() got an unexpected keyword argument 'raw'
,我认为是因为被调用的是pandas.core.window.Rolling.apply()
方法,而不是pandas.DataFrame.apply()
方法。有什么想法吗?
您可能使用的是旧版本的 pandas。如果您只是放弃raw=False
,它是否有效? (我只是让它在 0.19.2 中运行,这是我手头上最旧的版本,以及 0.23.0,我目前正在使用的版本。)
只是一个注释(不在问题陈述中,但我想我会在这里添加它),如果我只想要 unique 组合,我可以使用你的想法但是定义roll_slices = set()
,然后定义df.rolling('3d')['a'].apply(lambda x: roll_slices.update(it.combinations(x, 2)) or 0)
。好主意!以上是关于从 Pandas 中的滚动窗口生成值组合的主要内容,如果未能解决你的问题,请参考以下文章