Question

以正常分布的术语获取以下DataFrame，其中有一个很小的漂移：

np.random.seed(123)
df = pd.DataFrame(np.random.randn(60,3) / 100 + 0.005, 
                  index=pd.date_range(end='2017-06-30', periods=60, freq='M'))

并定义将应用于列的函数rollup：

def rollup(r):
    return r.add(1.).prod() -1.

例如，调用整个df会给我：

print(rollup(df))
0    0.17411
1    0.35658
2    0.24944
dtype: float64

但我想做的是从df索引中的最后日期取一个日期偏移量，并将rollup应用于该子帧。我正确地做到了这一点，如下所示，但是想知道是否有一种替代方法使用少量的线。

from pandas.tseries.offsets import DateOffset
end = df.index[-1]

start = end - DateOffset(years=2)    
print(df[start:end].apply(rollup))
0    0.07905
1    0.18037
2    0.09656
dtype: float64

# example 2
start = end - DateOffset(months=6)    
print(df[start:end].apply(rollup))
0    0.01656
1    0.06585
2    0.01463
dtype: float64

最后一段代码可以压缩吗？ Time Series / Date functionality中是否有其他方法不要求我指定end，应用DateOffset，然后在两者之间编制df？

如果这是最简单的方法，需要最少的代码，那对我来说就是答案。

Answer 1

首先，我要说你的代码非常简洁。我会做出这样的观察和建议：

您的索引的创建频率为'M'，并且会延伸到每个人Timestamp。这意味着那些对象现在知道如何处理整数的加法和减法。 pandas所做的假设整数采用频率表示的偏移量。

示例

df.index[-1]

Timestamp('2017-06-30 00:00:00', freq='M')

并且

df.index[-1] - 2

Timestamp('2017-04-30 00:00:00', freq='M')

我们可以用它来实现你的目标

rollup(df[df.index[-1] - 2:])  # last 2 months

和

rollup(df[df.index[-1] - 24:])  # last 2 years

额外信用

此数学也适用于整个索引。

df.index + 2

为每个索引值添加两个月。

索引＆amp;将func应用于带有DateOffset的pandas DataFrame

1 个答案: