在熊猫中滚动 argmax答案

【问题标题】：Rolling argmax in pandas在熊猫中滚动 argmax
【发布时间】：2021-05-10 20:10:19
【问题描述】：

我有一个 Pandas TimeSeries，想将 argmax 函数应用于滚动窗口。但是，由于从rolling_apply转换为float，如果我申请numpy.argmax()，我只能获得ndarray的切片的索引。有没有办法将滚动 argmax 应用于 Series/DataFrame？

Series.idxmax() 或 Series.argmax() 都返回一个 TimeStamp 对象，但 pandas.rolling_apply(Series, window=10,func=lambda x: pandas.Series(x).idxmax()) 只会返回 float64。

编辑：这是一个例子：

import pandas as pd
import numpy as np
import pandas.io.data as web
import datetime

start = datetime.datetime(2001,1,1)
end = datetime.datetime.today()
close = web.DataReader('AAPL','yahoo',start,end).Close
close = close / close.shift(1) - 1

close.resample('W-MON').idxmax()    # Timestamp object
close.resample('W-MON').argmax()    # Timestamp object

pd.rolling_apply(close.resample('W-MON'), window=52, func=lambda x: pd.Series(x).argmax())

一种可行的方法是

ix = pd.rolling_apply(close, window=52, func=np.argmax)
ix = np.where(np.isnan(ix),0,ix)
ix = ix.astype(int)
new_index = close.index[52:].map(lambda x:     close.index[np.argwhere(close.index==x)-52:np.argwhere(close.index==x)]  [ix[np.argwhere(close.index==x)]])
pd.Series(new_index,index=close.index[52:]).apply(lambda x: x.flatten()[0])

但也许有一些“恐慌”的方式？

【问题讨论】：

请在此处提供一个示例输入系列并显示您的熊猫版本
而pandas版本是0.16.0

标签： python pandas

【解决方案1】：

这不是ATM实现的，但是没那么难，看issuehere

这是一种变通方法，基本上是“手动”执行应用，实际上应该非常有效。

In [59]: rc = close.resample('W-MON')

In [60]: def f(rc, i, l):                                   
    s = rc.iloc[(i*l):((i+1)*l)]
    try:
        return s.loc[[s.idxmax()]]
    except:
        return None
   ....:     

In [61]: pd.concat([ f(rc, i, 52) for i in range(len(rc)) ])
Out[61]: 
Date
2001-06-25    0.034350
2002-02-04    0.017548
2003-05-05    0.031083
2004-10-18    0.044588
2005-05-23    0.022959
                ...   
2011-08-29    0.018310
2012-03-19    0.017339
2013-09-23    0.017571
2014-04-28    0.023196
2015-02-16    0.015051
Name: Close, dtype: float64

【讨论】：

实际上我正在寻找的只是返回 's.idxmax()' 而不是 's.loc[[s.idxmax()]]'。仅 30 列 744 行就需要 1s =/

【解决方案2】：

仅当您使用 Numpy Extensions 库时，才能非常简单地获取 Pandas 数据帧的滚动 argmax。例如，可以像这样获得窗口大小为 3 的整数数据帧列的滚动 argmax：

import pandas as pd
import numpy as np

from numpy_ext import rolling_apply

def get_argmax (mx):
    return np.argmax(mx)
        

df = pd.DataFrame(np.random.randint(0,100,size=(10, 1)), columns=list('A'))

window = 3
df['argmax_rolling3'] = rolling_apply(get_argmax, window, df.A.values)

这将产生如下示例输出：

    A      argmax_rolling3
0  34              NaN
1  65              NaN
2  65              1.0
3  42              0.0
4  57              0.0
5  30              1.0
6  95              2.0
7  16              1.0
8   7              0.0
9  98              2.0

【讨论】：