在 pandas DataFrame 中的滚动窗口上对数据进行排名

Posted 2023-02-16

【中文标题】在 pandas DataFrame 中的滚动窗口上对数据进行排名

【英文标题】：rank data over a rolling window in pandas DataFrame

【发布时间】：2013-01-04 14:22:42

【问题描述】：

我是 Python 和 Pandas 库的新手，如果这是一个微不足道的问题，我深表歉意。我正在尝试在 N 天的滚动窗口中对时间序列进行排名。我知道有一个排名函数，但这个函数对整个时间序列的数据进行排名。我似乎无法找到滚动排名功能。 这是我正在尝试做的一个示例：

           A

01-01-2013 100
02-01-2013 85
03-01-2013 110
04-01-2013 60
05-01-2013 20
06-01-2013 40

如果我想在 3 天的滚动窗口内对数据进行排名，答案应该是：

           Ranked_A

01-01-2013 NaN
02-01-2013 Nan
03-01-2013 1
04-01-2013 3
05-01-2013 3
06-01-2013 2

是否有 Python 中的内置函数可以做到这一点？有什么建议吗？ 非常感谢。

【问题讨论】：

@Divakar 你知道吗？如何快速完成？没有一个答案很快。

【参考方案1】：

如果你想使用 Pandas built-in rank method（带有一些额外的语义，比如升序选项），你可以为它创建一个简单的函数包装器

def rank(array):
    s = pd.Series(array)
    return s.rank(ascending=False)[len(s)-1]

然后可以用作自定义滚动窗口函数。

pd.rolling_apply(df['A'], 3, rank)

哪个输出

Date
01-01-2013   NaN
02-01-2013   NaN
03-01-2013     1
04-01-2013     3
05-01-2013     3
06-01-2013     2

（我假设来自 Rutger 的回答中的 df 数据结构）

【讨论】：

非常感谢您的帮助。这很有帮助。

这真的很慢。我相信在 pandas 1.18 中有一种内置方法可以做到这一点，但他们在 .20.xx 中摆脱了它，你知道这样做的原生方式吗？

【参考方案2】：

您可以在 Pandas 中为 rolling_window 编写自定义函数。在该函数中使用 numpy 的 argsort() 可以为您提供窗口内的排名：

import pandas as pd
import StringIO

testdata = StringIO.StringIO("""
Date,A
01-01-2013,100
02-01-2013,85
03-01-2013,110
04-01-2013,60
05-01-2013,20
06-01-2013,40""")

df = pd.read_csv(testdata, header=True, index_col=['Date'])

rollrank = lambda data: data.size - data.argsort().argsort()[-1]

df['rank'] = pd.rolling_apply(df, 3, rollrank)

print df

结果：

              A  rank
Date                 
01-01-2013  100   NaN
02-01-2013   85   NaN
03-01-2013  110     1
04-01-2013   60     3
05-01-2013   20     3
06-01-2013   40     2