在pandas DataFrame

Question

我想计算2x2矩阵的行列式，它是通过在Nx2矩阵上滚动大小为2的窗口来获取的。我只是使用行列式作为示例函数。一般来说，我想将一个函数应用于数据帧，这是通过为更大的数据帧加窗来实现的。

例如，这是一个2x2矩阵，我像这样计算行列式：

import pandas as pd
import numpy as np

d = pd.DataFrame({
   "X": [1,2],
   "Y": [3,4]
   })
np.linalg.det(d)

现在，我可以通过沿着以下数据帧的轴= 0滑动大小为2的窗口来形成4个2x2矩阵：

df = pd.DataFrame({
    "A": [1,2,3,4,5],
    "B": [6,7,8,9,10],
  })

看起来像：

    A   B
0   1   6
1   2   7
2   3   8
3   4   9
4   5   10

所以我会得到[-5。，-5。， - 。-5，-5。]

据我所知，pandas.DataFrame.rolling和rolling.apply只能应用于1D向量，而不是数据帧？你会怎么做？

Answer 1

从数据框中提取numpy数组：

>>> array = df.values
>>> array
array([[ 1,  6],
       [ 2,  7],
       [ 3,  8],
       [ 4,  9],
       [ 5, 10]])

使用numpy的as_strided函数创建滑动窗口视图：

>>> from numpy.lib.stride_tricks import as_strided

>>> rows, cols = array.shape
>>> row_stride, col_stride = array.strides
>>> windowed_array = as_strided(
...     array,
...     shape=(rows - 2 + 1, 2, cols),
...     strides=(row_stride, row_stride, col_stride))
>>> windowed_array
array([[[ 1,  6],
        [ 2,  7]],

       [[ 2,  7],
        [ 3,  8]],

       [[ 3,  8],
        [ 4,  9]],

       [[ 4,  9],
        [ 5, 10]]])

现在将您的函数应用于结果数组：

>>> np.linalg.det(windowed_array)
array([-5., -5., -5., -5.])

Answer 2

#You can replace np.linalg.det with other functions as you like.
#use apply to get 'A' and 'B' from current row and next row and feed them into the function.
df.apply(lambda x: np.linalg.det(df.loc[x.name:x.name+1, 'A':'B']) if x.name <(len(df)-1) else None,axis=1)

Out[157]: 
0   -5.0
1   -5.0
2   -5.0
3   -5.0
4    NaN
dtype: float64

Answer 3

使用list comprehension进行自己的滚动：

s = pd.Series([np.linalg.det(df.iloc[i:i+2]) for i in range(df.shape[0]-1)])

输出：

0   -5.0
1   -5.0
2   -5.0
3   -5.0
dtype: float64

Answer 4

之前已经问过这个问题。但是在您的情况下，一个简单的解决方法是：

df['A'] * df['B'].shift(-1) - df['A'].shift(-1) * df['B']

输出：

0   -5.0
1   -5.0
2   -5.0
3   -5.0
4    NaN