Подтвердить что ты не робот

Рекурсивные определения в Pandas

У меня есть временной ряд A, содержащий несколько значений. Мне нужно получить серию B, которая определяется алгебраически следующим образом:

B[t] = a * A[t] + b * B[t-1]

где мы можем предположить B[0] = 0, а A и B - действительные числа.

Есть ли способ сделать этот тип рекурсивного вычисления в Pandas? Или у меня нет выбора, кроме как зациклиться на Python, как предложено в этом ответе?

В качестве примера ввода:

> A = pd.Series(np.random.randn(10,))

0   -0.310354
1   -0.739515
2   -0.065390
3    0.214966
4   -0.605490
5    1.293448
6   -3.068725
7   -0.208818
8    0.930881
9    1.669210

Ответ 1

Как я заметил в комментарии, вы можете использовать scipy.signal.lfilter. В этом случае (если A является одномерным массивом numpy), все, что вам нужно, это:

B = lfilter([a], [1.0, -b], A)

Здесь полный script:

import numpy as np
from scipy.signal import lfilter


np.random.seed(123)

A = np.random.randn(10)
a = 2.0
b = 3.0

# Compute the recursion using lfilter.
# [a] and [1, -b] are the coefficients of the numerator and
# denominator, resp., of the filter transfer function.
B = lfilter([a], [1, -b], A)

print B

# Compare to a simple loop.
B2 = np.empty(len(A))
for k in range(0, len(B2)):
    if k == 0:
        B2[k] = a*A[k]
    else:
        B2[k] = a*A[k] + b*B2[k-1]

print B2

print "max difference:", np.max(np.abs(B2 - B))

Выходной сигнал script:

[ -2.17126121e+00  -4.51909273e+00  -1.29913212e+01  -4.19865530e+01
  -1.27116859e+02  -3.78047705e+02  -1.13899647e+03  -3.41784725e+03
  -1.02510099e+04  -3.07547631e+04]
[ -2.17126121e+00  -4.51909273e+00  -1.29913212e+01  -4.19865530e+01
  -1.27116859e+02  -3.78047705e+02  -1.13899647e+03  -3.41784725e+03
  -1.02510099e+04  -3.07547631e+04]
max difference: 0.0

Другой пример, в IPython, используя pandas DataFrame вместо массива numpy:

Если у вас

In [12]: df = pd.DataFrame([1, 7, 9, 5], columns=['A'])

In [13]: df
Out[13]: 
   A
0  1
1  7
2  9
3  5

и вы хотите создать новый столбец B, такой как B[k] = A[k] + 2*B[k-1] (с B[k] == 0 для k < 0), вы можете написать

In [14]: df['B'] = lfilter([1], [1, -2], df['A'].astype(float))

In [15]: df
Out[15]: 
   A   B
0  1   1
1  7   9
2  9  27
3  5  59