我有一些时间序列数据,我想计算 Pandas 中最后 n 天的分组滚动回归,并将该回归的斜率存储在新列中。
我搜索了较旧的问题,它们要么没有得到解答,要么使用了 Pandas OLS,我听说它已被弃用。
我想我可能可以使用df.rolling.apply()
结合scipy.stats.linregress
函数,但我无法找出一个 lambda 函数来完成我想做的事情。
这是一些示例代码
import numpy as np
import pandas as pd
from scipy.stats import linregress
# make sample data
days = 21
groups = ['A', 'B', 'C']
data_days = list(range(days)) * len(groups)
values = np.random.rand(days*len(groups))
df = pd.DataFrame(data=zip(sorted(groups*days), data_days, values),
columns=['group', 'day', 'value'])
# calculate slope of regression of last 7 days
days_back = 7
grouped_data = df.groupby('group')
for g, data in grouped_data:
window = data.rolling(window=days_back,
min_periods=days_back)
我需要一个名为“slope”的新列,其中从第 7 天开始,存储过去 7 天的线性回归的斜率。
我有一些错误的假设,首先我不需要循环各组,其次我真的不明白如何rolling.apply
工作过...
这是(看似)工作代码。我使用了 scipy.stats 中的 linregress 函数:
import numpy as np
import pandas as pd
from scipy.stats import linregress
# create random sample data
days = 14
groups = ['A', 'B', 'C']
data_days = list(range(days)) * len(groups)
values = np.random.rand(days*len(groups))
df = pd.DataFrame(data=zip(sorted(groups*days), data_days, values),
columns=['group', 'day', 'value'])
def get_slope(array):
y = np.array(array)
x = np.arange(len(y))
slope, intercept, r_value, p_value, std_err = linregress(x,y)
return slope
# calculate slope of regression of last 7 days
days_back = 3
df['rolling_slope'] = df.groupby('group')['value'].rolling(window=days_back,
min_periods=days_back).apply(get_slope, raw=False).reset_index(0, drop=True)
print(df)
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)