我试图了解 pandas.rolling_corr 是如何实际计算滚动相关性的。到目前为止,我一直在用 numpy 做这件事。由于速度和易用性,我更喜欢使用 pandas,但我无法像以前那样获得滚动相关性。
我从两个 numy 数组开始:
c = np.array([1,2,3,4,5,6,7,8,9,8,7,6,5,4,3,2,1])
d = np.array([8,9,8])
现在我想计算我的数组 c 的哪个 length-3-window 的互相关。我定义了一个滚动窗口函数:
def rolling_window(a, window):
shape = a.shape[:-1] + (a.shape[-1] - window + 1, window)
strides = a.strides + (a.strides[-1],)
return np.lib.stride_tricks.as_strided(a, shape=shape, strides=strides)
并计算我生成的每个窗口与第二个原始数据集之间的相关性。这种方法效果很好:
for win in rolling_window(c, len(d)):
print(np.correlate(win, d))
输出:
[50]
[75]
[100]
[125]
[150]
[175]
[200]
[209]
[200]
[175]
[150]
[125]
[100]
[75]
[50]
如果我尝试用熊猫解决它:
a = pd.DataFrame([1,2,3,4,5,6,7,8,9,8,7,6,5,4,3,2,1])
b = pd.DataFrame([8,9,8])
无论我是否使用 DataFrame rolling_corr:
a.rolling(window=3, center=True).corr(b)
或熊猫 rolling_corr:
pd.rolling_corr(a, b, window=1, center=True)
我只是得到一堆NaN:
0
0 NaN
1 0.0
2 NaN
3 NaN
4 NaN
5 NaN
6 NaN
7 NaN
8 NaN
9 NaN
10 NaN
11 NaN
12 NaN
13 NaN
14 NaN
15 NaN
16 NaN
有人可以帮帮我吗?我可以通过展平从转换 pandas DataFrame 获得的 numpy 数组来解决 numpy 的问题
a.values.ravel()
但是,我想完全用熊猫来解决计算。我已经搜索了文档,但没有找到我正在寻找的答案。我错过了什么或不理解什么?
非常感谢您提前。
D.