Pandas 滚动总和，可变长度答案

【问题标题】：Pandas rolling sum, variating lengthPandas 滚动总和，可变长度
【发布时间】：2015-03-10 09:54:40
【问题描述】：

我将尝试解释我目前遇到的关于 Python 中 DataFrames 的累积和的问题，希望你能掌握它！

给定一个带有 returns 列的 pandas DataFrame df：

              returns
Date                                                          
2014-12-10    0.0000
2014-12-11    0.0200
2014-12-12    0.0500
2014-12-15    -0.0200
2014-12-16    0.0000

在此 DataFrame 上应用累积和很容易，只需使用例如df.cumsum()。但是是否可以每隔X 天（或数据点）应用一个累积总和，例如，只产生最后一个 Y 天（数据点）的累积总和。

澄清：给定上述每日数据，我如何获得最后Y 天的累计总和，每X 天重新评估一次（从零开始）？

希望它足够清楚，

谢谢，否

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

我不确定是否有内置方法，但编写一个似乎并不难。例如，这是熊猫系列的一个。

def cum(df, interval):
    all = []
    quotient = len(df)//interval
    intervals = range(quotient)
    for i in intervals:
        all.append(df[0:(i+1)*interval].sum())
    return pd.Series(all)
>>>s1 = pd.Series(range(20))
>>>print(cum(s1, 4))
0     6
1    28
2    66
3   120
4   190
dtype: int64

【讨论】：

我想你误解了这个问题
现在我担心我没有正确理解它。按照我的理解，用你的数字和y 2，cumsum 将是 [0,0,2,5,0,0,6,13,0,0,10,21,.. .]，一个 cumsum 重置每个 x 数据点，但也不考虑第一个 x-y 数据点。

【解决方案2】：

我会这样做的方式是使用辅助列。这有点笨拙，但应该可以：

numgroups = int(len(df)/(x-1))
df['groupby'] = sorted(list(range(numgroups))*x)[:len(df)]
df['mask'] = (([0]*(x-y)+[1]*(y))*numgroups)[:len(df)]
df['masked'] = df.returns*df['mask']
df.groupby('groupby').masked.cumsum()

【讨论】：

【解决方案3】：

“每 X 天”和“每 X 数据点”有很大不同；以下假设您真正的意思是第一个，因为您更频繁地提及它。

如果索引是DatetimeIndex，你可以resample到一个日频，取一个rolling_sum，然后只选择原来的日期：

>>> pd.rolling_sum(df.resample("1d"), 2, min_periods=1).loc[df.index]
            returns
Date               
2014-12-10     0.00
2014-12-11     0.02
2014-12-12     0.07
2014-12-15    -0.02
2014-12-16    -0.02

或者，一步一步：

>>> df.resample("1d")
            returns
Date               
2014-12-10     0.00
2014-12-11     0.02
2014-12-12     0.05
2014-12-13      NaN
2014-12-14      NaN
2014-12-15    -0.02
2014-12-16     0.00
>>> pd.rolling_sum(df.resample("1d"), 2, min_periods=1)
            returns
Date               
2014-12-10     0.00
2014-12-11     0.02
2014-12-12     0.07
2014-12-13     0.05
2014-12-14      NaN
2014-12-15    -0.02
2014-12-16    -0.02

【讨论】：

【解决方案4】：

感谢@DSM，我设法想出了他的解决方案的变体，实际上几乎可以满足我的要求：

import numpy as np
import pandas as pd

df.resample("1w"), how={'A': np.sum})

为下面的示例提供我想要的结果：

rng = range(1,29)
dates = pd.date_range('1/1/2000', periods=len(rng))
r = pd.DataFrame(rng, index=dates, columns=['A'])
r2 = r.resample("1w", how={'A': np.sum})

输出：

>> print r
             A
2000-01-01   1
2000-01-02   2
2000-01-03   3
2000-01-04   4
2000-01-05   5
2000-01-06   6
2000-01-07   7
2000-01-08   8
2000-01-09   9
2000-01-10  10
2000-01-11  11
...
2000-01-25  25
2000-01-26  26
2000-01-27  27
2000-01-28  28

>> print r2
              A
2000-01-02    3
2000-01-09   42
2000-01-16   91
2000-01-23  140
2000-01-30  130

即使在这种情况下它不是从“一周”开始（在第一种情况下导致总和为 3），它总是得到正确的滚动总和，从前一个日期开始，初始值为零.

【讨论】：