Pandas пересчеты с окном на основе значений вместо отсчетов - программирование
Подтвердить что ты не робот

Pandas пересчеты с окном на основе значений вместо отсчетов

Я ищу способ сделать что-то вроде различных rolling_* функций pandas, но я хочу, чтобы окно скользящего вычисления определялось диапазоном значений (например, диапазон значений столбец DataFrame), а не количеством строк в окне.

В качестве примера предположим, что у меня есть эти данные:

>>> print d
   RollBasis  ToRoll
0          1       1
1          1       4
2          1      -5
3          2       2
4          3      -4
5          5      -2
6          8       0
7         10     -13
8         12      -2
9         13      -5

Если я делаю что-то вроде rolling_sum(d, 5), я получаю текущую сумму, в которой каждое окно содержит 5 строк. Но то, что я хочу, - это скользящая сумма, в которой каждое окно содержит определенный диапазон значений RollBasis. То есть, я хотел бы сделать что-то вроде d.roll_by(sum, 'RollBasis', 5) и получить результат, когда первое окно содержит все строки, чья RollBasis находится между 1 и 5, тогда второе окно содержит все строки, чей RollBasis составляет от 2 до 6, тогда третье окно содержит все строки, у которых RollBasis находится между 3 и 7 и т.д. Окна не будут иметь одинаковое количество строк, но диапазон значений RollBasis, выбранных в каждом окне, будет одна и та же. Таким образом, вывод должен выглядеть следующим образом:

>>> d.roll_by(sum, 'RollBasis', 5)
    1    -4    # sum of elements with 1 <= Rollbasis <= 5
    2    -4    # sum of elements with 2 <= Rollbasis <= 6
    3    -6    # sum of elements with 3 <= Rollbasis <= 7
    4    -2    # sum of elements with 4 <= Rollbasis <= 8
    # etc.

Я не могу сделать это с помощью groupby, потому что groupby всегда создает непересекающиеся группы. Я не могу сделать это с помощью функций качения, потому что их окна всегда катятся по количеству строк, а не по значениям. Итак, как я могу это сделать?

4b9b3361

ОТВЕТЫ

Ответ 1

Я думаю, что это делает то, что вы хотите:

In [1]: df
Out[1]:
   RollBasis  ToRoll
0          1       1
1          1       4
2          1      -5
3          2       2
4          3      -4
5          5      -2
6          8       0
7         10     -13
8         12      -2
9         13      -5

In [2]: def f(x):
   ...:     ser = df.ToRoll[(df.RollBasis >= x) & (df.RollBasis < x+5)]
   ...:     return ser.sum()

Вышеприведенная функция принимает значение, в данном случае RollBasis, а затем индексирует столбец фреймов данных ToRoll на основе этого значения. Возвращенная серия состоит из значений ToRoll, которые соответствуют критерию RollBasis + 5. Наконец, эта серия суммируется и возвращается.

In [3]: df['Rolled'] = df.RollBasis.apply(f)

In [4]: df
Out[4]:
   RollBasis  ToRoll  Rolled
0          1       1      -4
1          1       4      -4
2          1      -5      -4
3          2       2      -4
4          3      -4      -6
5          5      -2      -2
6          8       0     -15
7         10     -13     -20
8         12      -2      -7
9         13      -5      -5

Код для примера игрушки DataFrame в случае, если кто-то хочет попробовать:

In [1]: from pandas import *

In [2]: import io

In [3]: text = """\
   ...:    RollBasis  ToRoll
   ...: 0          1       1
   ...: 1          1       4
   ...: 2          1      -5
   ...: 3          2       2
   ...: 4          3      -4
   ...: 5          5      -2
   ...: 6          8       0
   ...: 7         10     -13
   ...: 8         12      -2
   ...: 9         13      -5
   ...: """

In [4]: df = read_csv(io.BytesIO(text), header=0, index_col=0, sep='\s+')

Ответ 2

На основании ответа Zelazny7 я создал это более общее решение:

def rollBy(what, basis, window, func):
    def applyToWindow(val):
        chunk = what[(val<=basis) & (basis<val+window)]
        return func(chunk)
    return basis.apply(applyToWindow)

>>> rollBy(d.ToRoll, d.RollBasis, 5, sum)
0    -4
1    -4
2    -4
3    -4
4    -6
5    -2
6   -15
7   -20
8    -7
9    -5
Name: RollBasis

Он все еще не идеален, поскольку он очень медленный по сравнению с rolling_apply, но, возможно, это неизбежно.

Ответ 3

На основе ответа BrenBarns, но ускоряется с использованием индексации на основе меток, а не на основе булевых индексирования:

def rollBy(what,basis,window,func,*args,**kwargs):
    #note that basis must be sorted in order for this to work properly     
    indexed_what = pd.Series(what.values,index=basis.values)
    def applyToWindow(val):
        # using slice_indexer rather that what.loc [val:val+window] allows
        # window limits that are not specifically in the index
        indexer = indexed_what.index.slice_indexer(val,val+window,1)
        chunk = indexed_what[indexer]
        return func(chunk,*args,**kwargs)
    rolled = basis.apply(applyToWindow)
    return rolled

Это намного быстрее, чем использование индексированного столбца:

In [46]: df = pd.DataFrame({"RollBasis":np.random.uniform(0,1000000,100000), "ToRoll": np.random.uniform(0,10,100000)})

In [47]: df = df.sort("RollBasis")

In [48]: timeit("rollBy_Ian(df.ToRoll,df.RollBasis,10,sum)",setup="from __main__ import rollBy_Ian,df", number =3)
Out[48]: 67.6615059375763

In [49]: timeit("rollBy_Bren(df.ToRoll,df.RollBasis,10,sum)",setup="from __main__ import rollBy_Bren,df", number =3)
Out[49]: 515.0221037864685

Стоит отметить, что решение на основе индексов - O (n), а версия логического разреза - O (n ^ 2) в среднем случае (я думаю).

Я считаю более полезным сделать это по равномерно разнесенным окнам от минимального значения Basis до максимального значения Basis, а не при каждом значении основы. Это означает изменение функции таким образом:

def rollBy(what,basis,window,func,*args,**kwargs):
    #note that basis must be sorted in order for this to work properly
    windows_min = basis.min()
    windows_max = basis.max()
    window_starts = np.arange(windows_min, windows_max, window)
    window_starts = pd.Series(window_starts, index = window_starts)
    indexed_what = pd.Series(what.values,index=basis.values)
    def applyToWindow(val):
        # using slice_indexer rather that what.loc [val:val+window] allows
        # window limits that are not specifically in the index
        indexer = indexed_what.index.slice_indexer(val,val+window,1)
        chunk = indexed_what[indexer]
        return func(chunk,*args,**kwargs)
    rolled = window_starts.apply(applyToWindow)
    return rolled