使用 DateOffset 对 pandas DataFrame 进行索引和应用 func

Question

采用以下具有小漂移的正态分布术语的DataFrame：

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 给我：

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

但我想做的是从df 的索引中的最终日期偏移一个日期，并将rollup 应用于该子帧。我正确地做到了这一点，如下所示，但想知道是否有使用更少行的替代方法。

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

这最后一段代码可以压缩吗？ Time Series / Date functionality 中是否有另一种方法不需要我指定end，应用DateOffset，然后在两者之间索引df？

如果这是需要最少代码的最直接的方法，那对我来说本身就是一个答案。

Answer 1

首先，我想说您的代码非常简洁。我会提出这个观察和建议：

您的索引是以'M' 的频率创建的，并且会延续到每个人Timestamp。这意味着这些对象现在知道如何处理整数的加法和减法。 pandas 所做的是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')

还有

df.index[-1] - 2

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

我们可以用它来实现您的目标

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

和

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

---

额外积分

这个数学运算也适用于整个索引。

df.index + 2

为每个索引值添加两个月。