Question

我有一个像这样的csv文件：

date,sym,close
2014.01.01,A,10
2014.01.02,A,11
2014.01.03,A,12
2014.01.04,A,13
2014.01.01,B,20
2014.01.02,B,22
2014.01.03,B,23
2014.01.01,C,33
2014.01.02,C,32
2014.01.03,C,31

然后，我通过df函数

获得一个名为read_csv的日期框架

import numpy as np
import pandas as pd
df=pd.read_csv('daily.csv',index_col=[0])
groups=df.groupby('sym')[['close']].apply(lambda x:func(x['close'].values))

groups看起来像这样：

sym
A    [nan,1.00,2.00,...]
B    [nan,1.00,2.00,...]
C    [nan,1.00,2.00,...]

如何计算每对符号之间的相关性？

AA,AB,AC,BB,BA,BC,CA,CB,CC

顺便说一句，每个sym的项目编号可能不相同。

Answer 1

使用上述df，制作数据透视表：

dfp = df.pivot('date','sym')
print(dfp)

           close        
sym            A   B   C
date                    
2014-01-01    10  20  33
2014-01-02    11  22  32
2014-01-03    12  23  31
2014-01-04    13 NaN  30

pandas将计算成对系数：

print(dfp.corr())

              close                    
sym               A         B         C
      sym                              
close A    1.000000  0.981981 -1.000000
      B    0.981981  1.000000 -0.981981
      C   -1.000000 -0.981981  1.000000

但是如果你想要美化它，请查看seaborn：

import seaborn as sns
sns.corrplot(dfp, annot=True)

结果：

enter image description here

Answer 2

获得groups后：

sym
A    [nan,1.00,2.00,...]
B    [nan,1.00,2.00,...]
C    [nan,1.00,2.00,...]

我创建了一个DataFrame df2

df2=DataFrame()
df2['A']=groups['A']
df2['B']=groups['B']
df2['C']=groups['C']

df2.corr()

此方法可以通过组的数据获得相关性。但是，并不完美。如何将组转换为这样的DataFrame？组的循环键？我需要继续尝试。

每个对组之间的pandas相关矩阵

2 个答案: