Скользящее среднее (которое расширяет свое окно) для сгруппированного мультииндекса - PullRequest
Новая
       7

Скользящее среднее (которое расширяет свое окно) для сгруппированного мультииндекса

0 голосов
/ 21 сентября 2018

У меня есть мультииндекс, основанный на дате и времени (сгруппированный по времени).Данные выглядят следующим образом: 

                             r2     var_v2x          _s
date       time                                        
2017-10-02 08:05:00  0.00000031  0.00008784  0.00353914
2017-10-03 08:05:00  0.00000008  0.00009055  0.00085233
2017-10-04 08:05:00  0.00000000  0.00018774  0.00000000
2017-10-05 08:05:00  0.00000031  0.00007609  0.00409934

и за другой период времени: 

                             r2     var_v2x          _s
date       time                                        
2017-10-02 08:30:00  0.00000000  0.00008784  0.00000000
2017-10-03 08:30:00  0.00000008  0.00009055  0.00085375
2017-10-04 08:30:00  0.00000008  0.00018774  0.00041180
2017-10-05 08:30:00  0.00000000  0.00007609  0.00000000
2017-10-10 08:30:00  0.00000008  0.00006900  0.00112288

Теперь я хочу применить скользящее среднее к столбцу _s с саморасширяющимся скользящим окном.Это означает, что для первого наблюдения в группе скользящее окно равно 1 (так что просто значение, 2-е наблюдение включает 1-е и 2-е значение столбца _s и т. Д.

В конце я хочу получитьнесгруппированные dataframe как: 

                             r2     var_v2x          _s      s_rolling
date       time                                        
2017-10-02 08:05:00  0.00000031  0.00008784  0.00353914     0.00353914
2017-10-02 08:10:00  0.00000024  0.00008784  0.00249531     rolling(2)
2017-10-02 08:15:00  0.00000024  0.00008784  0.00249531     rolling(3)
2017-10-02 08:20:00  0.00000024  0.00008784  0.00249531     rolling(4)

Пока у меня есть это: 

`file_name = r'E:\Model\ModelSpecific\Index_shat.txt'

 df = pd.read_csv(file_name, parse_dates=[0], index_col=None, sep=',')

 list_date = sorted(set(df['Date']))
 list_time = sorted(set(df['Time']))
 iterables = [list_date, list_time]
 indexed = pd.MultiIndex.from_product(iterables, names=['date', 'time'])
 df = df.set_index(indexed)

 df = df.dropna()
 df['_s'] = df['r2']/df['var_v2x']

 for date, new_df in enumerate(df.groupby(level=1)):
      new_df = pd.DataFrame(new_df)
      new_df['rolling_s'] = new_df.expanding().mean()
      print(new_df)

Но возвращает: ValueError: Неверное количество пропущенных элементов 3, размещение подразумевает 1.

Я также пытался enumerate(df.groupby(level=1)):
Но возвращает: AttributeError: у объекта 'tuple' нет атрибута 'roll'

1 Ответ

0 голосов
/ 22 сентября 2018 
df_needed = df['_s']
df_needed.rename(columns = {'_s':'s_hat'}, inplace=True)

lista = []

for date, new_df in df_needed.groupby(level=1):
    new_df = pd.DataFrame(new_df)
    rolling = new_df[0].expanding().mean()
    lista.append(rolling)

df_init = pd.concat(lista,axis=0)

df_joined = df.join(df_init)
df_joined.columns = ['r2', 'var_v2x', 'r2_var_2x', 's_hat']

df_joined.to_csv(outfile)

Окончательный код и работает хорошо!Спасибо!

...