计算与熊猫的滚动相关性

计算与熊猫的滚动相关性

使用

pandas.rolling_corr

，而不是

Dataframe.rolling_corr

。此外，还

groupby

返回一个生成器。参见下面的代码。

码：

import pandas as pddf = pd.read_csv("color.csv")df_gen = df.copy().groupby("Color")for key, value in df_gen:    print "key: {}".format(key)    print value.rolling_corr(value["Value1"],value["Value2"], 3)

输出：

key: Blue1          NaN3          NaN6     0.9316738     0.86506610    0.08930412   -0.99865615   -0.97137317   -0.667316dtype: float64key: Red0          NaN2          NaN5    -0.9113579    -0.15222111   -0.97115314    0.43869718   -0.550727dtype: float64key: Yellow4          NaN7          NaN13   -0.04033016    0.879371dtype: float64

您可以将循环部分更改为以下内容，以查看原始数据帧的后分组以及新列。

for key, value in df_gen:    value["ROLL_CORR"] = pd.rolling_corr(value["Value1"],value["Value2"], 3)    print value

输出：

   Color    Value1    Value2  ROLL_CORR1   Blue  0.951227  0.514999        NaN3   Blue  0.649112  0.513052        NaN6   Blue  0.148165  0.342205   0.9316738   Blue  0.626883  0.421530   0.86506610  Blue  0.286738  0.583811   0.08930412  Blue  0.966779  0.227340  -0.99865615  Blue  0.065493  0.887640  -0.97137317  Blue  0.757932  0.900103  -0.667316key: Red   Color    Value1    Value2  ROLL_CORR0    Red  0.201435  0.981871        NaN2    Red  0.522955  0.357239        NaN5    Red  0.806326  0.310039  -0.9113579    Red  0.656126  0.678047  -0.15222111   Red  0.435898  0.908388  -0.97115314   Red  0.116419  0.555821   0.43869718   Red  0.793102  0.168033  -0.550727key: Yellow     Color    Value1    Value2  ROLL_CORR4   Yellow  0.099474  0.143293        NaN7   Yellow  0.073128  0.749297        NaN13  Yellow  0.006777  0.318383  -0.04033016  Yellow  0.345647  0.993382   0.879371

如果要在处理后将它们全部结合在一起（顺便说一句，这可能会使其他人感到困惑），请

concat

在处理组之后使用。

import pandas as pddf = pd.read_csv("color.csv")df_gen = df.copy().groupby("Color")dfs = [] # Container for dataframes.for key, value in df_gen:    value["ROLL_CORR"] = pd.rolling_corr(value["Value1"],value["Value2"], 3)    print value    dfs.append(value)df_final = pd.concat(dfs)print df_final

输出：

     Color    Value1    Value2  ROLL_CORR1     Blue  0.951227  0.514999        NaN3     Blue  0.649112  0.513052        NaN6     Blue  0.148165  0.342205   0.9316738     Blue  0.626883  0.421530   0.86506610    Blue  0.286738  0.583811   0.08930412    Blue  0.966779  0.227340  -0.99865615    Blue  0.065493  0.887640  -0.97137317    Blue  0.757932  0.900103  -0.6673160      Red  0.201435  0.981871        NaN2      Red  0.522955  0.357239        NaN5      Red  0.806326  0.310039  -0.9113579      Red  0.656126  0.678047  -0.15222111     Red  0.435898  0.908388  -0.97115314     Red  0.116419  0.555821   0.43869718     Red  0.793102  0.168033  -0.5507274   Yellow  0.099474  0.143293        NaN7   Yellow  0.073128  0.749297        NaN13  Yellow  0.006777  0.318383  -0.04033016  Yellow  0.345647  0.993382   0.879371

希望这可以帮助。