在多列上滚动分位数答案

【问题标题】：Rolling quantile over multiple columns在多列上滚动分位数
【发布时间】：2022-11-18 13:55:43
【问题描述】：

具有以下数据框。我如何执行结合 2 列值的滚动 3 窗口分位数 (0.4)？

### Sample Dataframe
np.random.seed(0) # Freeze randomness
a = pd.DataFrame(np.random.randint(1,10,size=(20, 1)), columns=list('A'))
b = pd.DataFrame(np.random.randint(50,90,size=(20, 1)), columns=list('B'))
df = pd.concat([a,b], axis=1)
df

	A	B	quantile_AB (expected ans)
0	6	75	NaN
1	1	63	NaN
2	4	58	6.0
3	4	59	4.0

(6,1,4,75,63,58) 的第 40 个百分位数应该给我 6.0。

下面的公式分别给出了 2 列的滚动分位数。

df.rolling(3)[['A','B']].quantile(0.4)

【问题讨论】：

A、B是什么关系？
没有关系。仅以数字为例
交错 (zip) 2 列并在 6 的窗口上采用滚动分位数，最后采用每个第二个值形式？（或者我认为滚动让你也可以直接设置步长 2）
你有代码示例吗？

标签： python pandas dataframe

【解决方案1】：

使用带有滚动分位数的 stack

df.stack(dropna=False).rolling(window=3*len(df.columns)).
   quantile(0.4)[cols-1::cols].reset_index(-1, drop=True)

数据框

输出:

0    NaN
1    NaN
2    6.0
3    4.0
dtype: float64

【讨论】：

【解决方案2】：

IIUC，使用numpy和sliding_window_view：

from numpy.lib.stride_tricks import sliding_window_view

m = df[['A', 'B']].to_numpy()
W = 3
N = m.shape[1]
Q = 0.4
q = np.quantile(np.reshape(sliding_window_view(m, (W, N)), (-1, W*N)), q=Q, axis=1)
df['quantile_AB'] = pd.Series(q, index=df.index[N:])

输出：

>>> df
    A   B  quantile_AB
0   6  75          NaN
1   1  63          NaN
2   4  58          6.0
3   4  59          4.0
4   8  70          8.0
5   4  66          8.0
6   6  55          8.0
7   3  65          6.0
8   5  50          6.0
9   8  68          8.0
10  7  85          8.0
11  9  74          9.0
12  9  79          9.0
13  2  69          9.0
14  7  69          9.0
15  8  64          8.0
16  8  89          8.0
17  9  82          9.0
18  2  51          9.0
19  6  59          9.0

【讨论】：

感谢 numpy 方法。很好的替代解决方案。更喜欢基于熊猫的解决方案，但投了赞成票。