pandas滚动功能与时间groupby

时间:2015-10-29 11:32:58

标签: python pandas

这是我的问题。 我所拥有的是一个DataFrame,如下所示:

df:

2013-10-24      1
2013-10-25      2
2013-11-27      3 
2013-11-28      4
2013-12-01      5 
2013-12-02      6

我想要的是像这样的DataFrame:

rolling_mean(df,window =' 1M'):

2013-10      1.5
2013-11      3.5
2013-12      5.5 

rolling_mean(df,window =' 2M'):

2013-10      NAN
2013-11      2.5
2013-12      4.5 

rolling_mean(df,window =' 3M'):

2013-10      NAN
2013-11      NAN
2013-12      3.5 

rolling_mean(df,window =' 1Y'):

2013-10      NAN
2013-11      NAN
2013-12      NAN

其中1M是1个月',2M是' 2个月'。该窗口不是一个int值,而是一个时间间隔,例如' 1D' 3M'' 1Y'等等。该功能可以按时间单位对数据进行分组,例如' D' M' M' Y' Y',然后通过数字滚动数据帧单位如1,3 ......

我需要像这样的滚动功能? 有人能帮助我吗?我有没有明确说明? 非常感谢。

更新

我还有一个难题。 我需要实现这样一个函数,它可以计算每天的滚动标准偏差,而不是按月重新采样,但是窗口步长单位是按月计算的。

在这种情况下, 我所拥有的也是 DF:

2013-10-24      1
2013-10-25      2
2013-11-27      3 
2013-11-28      4
2013-12-01      5 
2013-12-02      6

pd.rolling_std(df.resample(' 1M&#39),窗口= 1):

结果是

2013-10    NAN
2013-11    NAN 
2013-12    NAN

我真的是这样的数据帧(window = 1):

2013-10    0.5
2013-11    0.5 
2013-12    0.5

前0.5是标准偏差,可以从10月开始通过np.sqrt([1,2])计算得出。 另外0.5来自[3,4]和[5,6]。 但是,无论如何=' xxx'重采样函数中的方法,结果不对。 2个月的客观结果是,

df(window = 2):

2013-10    NAN
2013-11    1.1180 
2013-12    1.1180

第一个1.1180是标准差,可以通过np.sqrt([1,2,3,4])从10月和11月计算出来。 2013 - 12年度的1.1180来自2013-11和2013-12的[3,4,5,6]。

P.S。 标准偏差是我想实现滚动的功能之一...... 谢谢〜

1 个答案:

答案 0 :(得分:2)

您可以在日期列上使用to_datetime来生成日期时间索引。

df = pd.DataFrame({'value': [1, 2, 3, 4, 5, 6]},
                  index=['2013-10-24', '2013-10-25', '2013-11-27', 
                         '2013-11-28', '2013-12-01', '2013-12-02'])           
df.index = pd.to_datetime(df.index)

>>> pd.rolling_mean(df.resample('1M'), 1, freq='1M')
            value
2013-10-31    1.5
2013-11-30    3.5
2013-12-31    5.5

>>> pd.rolling_mean(df.resample('2M'), window=1, freq='1M')
            value
2013-10-31    1.5
2013-11-30    NaN
2013-12-31    4.5

>>> pd.rolling_mean(df.resample('1M'), window=2, freq='1M')
            value
2013-10-31    NaN
2013-11-30    2.5
2013-12-31    4.5

>>> pd.rolling_mean(df.resample('1M'), window=3, freq='1M')
            value
2013-10-31    NaN
2013-11-30    NaN
2013-12-31    3.5

>>> pd.rolling_mean(df.resample('1M'), window=12, freq='1M')
            value
2013-10-31    NaN
2013-11-30    NaN
2013-12-31    NaN