python2H 之rolling apply用法

滚动窗口计算相关性和排名在Python中的应用
原创 于 2023-12-11 10:30:58 发布 · 891 阅读 · 11 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python

本文介绍了如何使用Python的rollingapply函数进行过去m天的数据排名，并展示了如何计算滚动窗口内的两个时间序列（如turnrate和close_price）的相关性。
  1. rolling apply

求过去滚动m日的排名

    def rank(x):

        x1 = x.rank()

        end = x1[-1]

        return end

    mtrM = pct.rolling(m).apply(lambda y:rank(y))

  1. 两者滚动相关性

turnrate.rolling(10).corr(close_price)

架构设计与模式之：容器化与云原生架构设计模式
AI天才研究院
09-14 2258
当今，企业越来越依赖云计算服务来获得快速、经济和弹性伸缩的能力。云原生架构正逐渐成为主流，而容器技术也已经在为企业提供更灵活、更高效的开发环境。本文将从云原生架构和容器技术的角度出发，结合实际应用场景，系统全面剖析容器化及云原生架构的设计模式及优缺点，并为读者提供参考指导。云原生（Cloud Native）的概念源于 Google 在 Kubernetes 上构建的容器编排系统 - Google Container Engine（GKE）。它是一种关于基础设施如何被设计来支持应用的观念。
基于Python的数据科学（7）：Pandas基础
最新发布
不想宅的冷同学
08-10 984
Pandas 是一个强大的Python库，专为数据操作和分析而设计。Pandas 提供了高效的数据结构和数据分析工具，特别适合处理带有标签的数据。本文将详细介绍Pandas的基本功能和用法。在本篇文章中，我们详细介绍了 Pandas 的基础知识，包括 Series 和 DataFrame 的创建、索引、切片、合并和聚合操作等。我们通过实际的代码示例演示了如何使用 Pandas 进行数据处理和分析，并完成了几个实际任务，以帮助大家更好地理解和掌握这些操作。
python 实现rolling和apply函数的向下取值操作
09-16
主要介绍了python 实现rolling和apply函数的向下取值操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
python移动窗口函数_pandas处理时间序列（4）: 移动窗口函数
weixin_39884832的博客
12-08 1094
六、移动窗口函数移动窗口和指数加权函数类别如↓：rolling_mean 移动窗口的均值pandas.rolling_mean(arg, window, min_periods=None, freq=None, center=False, how=None, **kwargs)rolling_median 移动窗口的中位数pandas.rolling_median(arg, window, min...
python学习——解决在pandas和numpy上的rolling apply操作
m0_37876745的博客
10-14 5829
解决在pandas和numpy上的rolling apply操作
python数据框取apply对数_python 实现rolling和apply函数的向下取值操作
weixin_39603778的博客
12-11 707
我就废话不多说了，大家还是直接看代码吧！import pandas as pddef get_under_rolling(df,window,user,name):df[name] = df[user].iloc[::-1].rolling(window=window).apply(lambda x:x[0]).iloc[::-1]return dfif __name__ == '__main__...
【Python】ime series：时间序列
09-26 1772
不管在哪个领域（金融学、经济学、生态学、神经科学、物理学等），时间序列（time series）数据都是一种重要的结构化数据形式。
Day11-Python时序数据(DataWhale)
liying_tt的博客
01-10 1053
时序数据 import numpy as np import pandas as pd 一、时序中的基本对象 (1) 时间戳 (Date times): pandas 中称为 Timestamp，一系列的时间戳可以组成 DatetimeIndex ，将它放到 Series 中后， Series 的类型就变为了 datetime64[ns] ，如果有涉及时区则为 datetime64[ns, tz] ，其中tz是timezone的简写 (2) 时间差（Time deltas): pandas中利用 Time
利用Python进行数据分析5-时间序列
qq_46068895的博客
09-08 2170
时间序列（time series）数据是⼀种重要的结构化数据形式，应⽤于多个领域，包括⾦融学、经济学、⽣态学、神经科学、物理学等。与前⾯接触的数据相⽐，时间序列数据要求不同类型的分析和数据转换⼯具。
pandas rolling方法_Python Pandas rolling_apply将两列输入功能
weixin_30218733的博客
01-17 1142
Following on from this question Python custom function using rolling_apply for pandas, about using rolling_apply. Although I have progressed with my function, I am struggling to deal with a function t...
滑动窗口处理（rolling）使用apply函数的一个小坑
zhyuli的博客
11-25 6812
我们一般用rolling+apply（fun，par）来进行滑动窗口处理某类序列，例如做量化交易时间序列，标的序列等等； 但如果apply函数有参数的话就需要注意。 apply的函数和参数实际上类似于指针的内存地址传递，也就是说滚动执行中参数par实际上是会变化的，如果要在fun中保存这个参数值就需要注意，不能用“=”来赋值，例如 def rolling_buy(code): code_loca...
pandas rolling方法_Python pandas rolling_apply将两列输入到函数中
weixin_42299310的博客
01-17 1968
继续这个问题Python custom function using rolling_apply for pandas,关于使用rolling_apply.虽然我已经使用了我的函数,但我正在努力处理需要两列或更多列作为输入的函数：创建与以前相同的设置import pandas as pdimport numpy as npimport randomtmp = pd.DataFrame(np.ra...
DataFrame rolling apply 多列 return 多列
冰冻世界
11-29 3695
Linux安装pypy踩坑记 在centos上安装pypy，遇坑若干，记录一下。 安装方法：利用conda 安装 conda install -c conda-forge pypy3.6，特别注意：一定要装在虚拟环境上，也就是先用conda create -n pypy创建一个名为pypy的虚拟环境，激活该环境后，在安装pypy，否则pypy的路径会和原来的python路径混掉。 安装好pypy...
【Python】：利用rolling和apply对DataFrame进行多列滚动，数据框滚动
QuantCoder
11-07 8395
# 设置一个初始数据框 df1 = [1,2,3,4,5] df2 = [2,3,4,5,6] df = pd.DataFrame({'a':list(df1),'b':list(df2)}) print(df) a b 0 1 2 1 2 3 2 3 4 3 4 5 4 5 6 下面是滚动函数 # 多列滚动函数 # handle对滚动的数据框进行处理 def handle(x,df,name,n): df = df[name].iloc[x:x+n,:]
【Python】：利用rolling和apply函数的向下取值
QuantCoder
11-07 986
import pandas as pd def get_under_rolling(df,window,user,name): df[name] = df[user].iloc[::-1].rolling(window=window).apply(lambda x:x[0]).iloc[::-1] return df if __name__ == '__main__': df = pd.DataFrame({'a':[1,2,3,4,5],
做移动平均线时用pandas中的Rolling_apply()遇到的小问题
weixin_39866793的博客
09-13 8744
在运行求移动平均线的时候运行了： VolSMA5=pd.rolling_apply(volume,5,np.mean).dropna() VolSMA10=pd.rolling_apply(volume,10,np.mean).dropna() 的时候，报错提示没有rolling_apply这个方法，不知道是不是升级升掉了，找了一圈后也没找到明确的说法。 但在搜索rolling关键字的时...
spark on yarn 完全分布式_大数据分析，没有Spark怎么行！
weixin_39682697的博客
11-26 150
Hadoop虽然强大，但天生存在一些缺陷。使用Spark正好弥补缺陷，使我们的大数据分析之路走得更容易。阅读此文，轻松使用Spark。01安装Spark从网上下载spark安装包，用WinSCP把spark上传到虚拟机。步骤01：下载spark-2.4.0-bin-hadoop2.7.tgz程序并上传到虚拟机。通过以下命令解压文件： tar -zvxf /tools/spark-2.4...
pandas rolling方法_如何使用多列参数调用pandas.rolling.apply？
weixin_35902800的博客
02-28 2815
定义自己的roll我们可以创建一个接受窗口大小参数w和任何其他关键字参数的函数。我们使用它来构建一个新的DataFrame，在其中，我们将调用groupby，同时通过kwargs传递关键字参数。注意：我不需要使用stride_tricks.as_strided，但它很简洁，在我看来是合适的。from numpy.lib.stride_tricks import as_strided as stri...
rolling apply
05-19
Rolling apply 是一种常见的数据处理方法，它可以在滑动窗口内对数据进行函数操作。具体来说，rolling apply 可以将一个函数应用到数据的滑动窗口中，并生成新的数据。这个方法通常用于时间序列数据或者在处理数据时需要考虑数据的顺序。 在 Python 中，pandas 库提供了 rolling() 和 apply() 方法来实现滚动应用。rolling() 方法用于指定滑动窗口的大小，apply() 方法则用于指定要应用的函数。 例如，下面的代码演示了如何使用 rolling apply 方法计算一个序列的平均值： ```python import pandas as pd # 创建一个示例数据 data = pd.Series([1, 2, 3, 4, 5]) # 计算滑动窗口内的平均值 rolling_mean = data.rolling(window=2).apply(lambda x: x.mean()) print(rolling_mean) ``` 输出结果如下： ``` 0 NaN 1 1.5 2 2.5 3 3.5 4 4.5 dtype: float64 ``` 可以看到，rolling apply 方法将窗口大小设置为 2，然后计算每个滑动窗口内的平均值。最终生成了一个新的序列，其中第一个元素为 NaN，因为第一个窗口只有一个元素。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值