在 Pandas 中将 rolling_apply 与需要 2 个参数的函数一起使用

Question

我正在尝试将 rollapply 与需要 2 个参数的公式一起使用。据我所知，计算 kendall tau 相关性（包括标准平局校正）的唯一方法（除非您从头开始创建公式）是：

>>> import scipy
>>> x = [5.05, 6.75, 3.21, 2.66]
>>> y = [1.65, 26.5, -5.93, 7.96]
>>> z = [1.65, 2.64, 2.64, 6.95]
>>> print scipy.stats.stats.kendalltau(x, y)[0]
0.333333333333

我也知道 rollapply 的问题并采用两个参数，如此处所述：

• Related Question 1
• Github Issue
• Related Question 2

不过，我仍在努力寻找一种方法来在滚动的基础上对具有多列的数据框进行 kendalltau 计算。

我的数据框是这样的

A = pd.DataFrame([[1, 5, 1], [2, 4, 1], [3, 3, 1], [4, 2, 1], [5, 1, 1]], 
                 columns=['A', 'B', 'C'], index = [1, 2, 3, 4, 5])

尝试创建一个执行此操作的函数

In [1]:function(A, 3)  # A is df, 3 is the rolling window
Out[2]:
   A  B  C     AB     AC     BC  
1  1  5  2    NaN    NaN    NaN
2  2  4  4    NaN    NaN    NaN
3  3  3  1  -0.99  -0.33   0.33
4  4  2  2  -0.99  -0.33   0.33
5  5  1  4  -0.99   0.99  -0.99

在一个非常初步的方法中，我接受了这样定义函数的想法：

def tau1(x):
    y = np.array(A['A']) #  keep one column fix and run it in the other two
    tau, p_value = sp.stats.kendalltau(x, y)
    return tau

 A['AB'] = pd.rolling_apply(A['B'], 3, lambda x: tau1(x))

当然没用。我得到了：

ValueError: all keys need to be the same shape

我明白这不是一个小问题。我很感激任何意见。

Answer 1

As of Pandas 0.14, rolling_apply 只将 NumPy 数组传递给函数。一种可能的解决方法是将np.arange(len(A)) 作为第一个参数传递给rolling_apply，以便tau 函数接收您希望使用的行的索引。然后在tau函数内，

B = A[[col1, col2]].iloc[idx]

返回一个包含所有所需行的 DataFrame。

---

import numpy as np
import pandas as pd
import scipy.stats as stats
import itertools as IT

A = pd.DataFrame([[1, 5, 2], [2, 4, 4], [3, 3, 1], [4, 2, 2], [5, 1, 4]], 
                 columns=['A', 'B', 'C'], index = [1, 2, 3, 4, 5])

for col1, col2 in IT.combinations(A.columns, 2):
    def tau(idx):
        B = A[[col1, col2]].iloc[idx]
        return stats.kendalltau(B[col1], B[col2])[0]
    A[col1+col2] = pd.rolling_apply(np.arange(len(A)), 3, tau)

print(A)    

产量

   A  B  C  AB        AC        BC
1  1  5  2 NaN       NaN       NaN
2  2  4  4 NaN       NaN       NaN
3  3  3  1  -1 -0.333333  0.333333
4  4  2  2  -1 -0.333333  0.333333
5  5  1  4  -1  1.000000 -1.000000