用熊猫滚动标准差绘制正态分布？答案

【问题标题】：Graphing a normal distribution with panda rolling standard deviations?用熊猫滚动标准差绘制正态分布？
【发布时间】：2020-09-11 10:47:47
【问题描述】：

我正在尝试根据滚动标准偏差获取数据帧的分布。

我虽然想使用pd.count，但后来我意识到它不允许改变标准偏差。 scipy.stats.pmf 也有同样的问题。

所以我最终决定使用 for 循环：

from pandas_datareader import data as web

data = web.DataReader('AAPL', data_source='yahoo')
window = 20

data['stan_dev'] = data['Adj Close'].rolling(window).std()
data['ma'] = data['Adj Close'].rolling(window).mean()
data.dropna(inplace=True)


data['difference'] = data['Adj Close'] - data.ma
bins = [0]*7

for i in range(len(data)):
    for j in range(-3, 3):
        if (j*data.iloc[i]['stan_dev']) < data.iloc[i]['difference'] <= ((j+1)*data.iloc[i]['stan_dev']):
            bins[j + 3] += 1

问题是，它很慢，我什至不确定它是否有效。

有没有更 Pythonic 的方式来处理它？

【问题讨论】：

您能否提供一些数据以使 sn-p 正常工作？

标签： python python-3.x pandas matplotlib statistics

【解决方案1】：

我找到了一种更好的方法，使用 zscore：

data['zscore'] = (data['Adj Close'] - data.ma) / data.stan_dev
bins = [-3, -2, -1, 0, 1, 2, 3]
cut_df = pd.cut(data.zscore, bins=bins)

ax = cut_df.value_counts(sort=False, normalize=True) * 100
ax.plot.bar()
plt.show()

【讨论】：