两个 pandas DataFrame 之间每日数据的月度相关性

Question

我有两个日常数据的熊猫数据框：

import pandas as pd
dates = pd.date_range('2016-01-01', '2018-01-01')
ndays = len(dates)
df1 = pd.DataFrame(np.random.rand(ndays, 3), columns=['a','b','c'], index=dates)
df2 = pd.DataFrame(np.random.rand(ndays, 3), columns=['a','b','c'], index=dates)

我想在不重叠的月度细分中获取每个数据帧中的值的相关性。返回值应该是按月份索引的 DataFrame，列 ['a','b','c']，其中每个值是该日历月 df1 和 df2 中每日值的相关性。

我可以在列和月份上循环执行此计算，但这听起来不像熊猫会这样做。有没有办法根据日历月拆分两个数据帧，在它们之间应用相关性，然后组合成一个数据帧？

Answer 1

这是一个有点凌乱的单行：

pd.DataFrame.from_dict({col:pd.concat([df1[[col]],df2[[col]]],axis=1).groupby(pd.Grouper(freq='M')).apply(lambda x: x.corr().values[0,1]) for col in df1.columns})

基本上我为每一列创建一个新的数据框，每个月计算相关矩阵，然后取非对角线（互相关）元素。可能有一种更漂亮的方法可以做到这一点，但这似乎很快就奏效了。