5

是否可以使用 panda 的扩展函数来使用窗口对象的几列计算多项式回归的系数？

我有一个数据框，它有两列，一个预测变量和一个响应。我想使用 pandas 的扩展（）函数来计算每个扩展系列对的二阶多项式回归的相应系数。对于每一行，我想从应用于所有先前行的回归中获取更新的系数。

import pandas as pd
import numpy as np

def func1(df):
   # some processing
   return np.polyfit(df['Input'], df['Response'], 2)
   
def func2(x, y):
   # some processing
   return np.polyfit(x, y, 2)

np.random.seed(0)
df = pd.DataFrame(np.random.rand(10, 2).round(2), 
                  columns=['Input', 'Response'])

df[['Coef1', 'Coef2', 'Coef3']] = df.expanding(min_periods=3).apply(func)

我希望输出看起来像这样：

>>> df

   Input Response Coef1  Coef2  Coef3
0  0.63  0.23     NaN    NaN    NaN
1  0.45  0.11     NaN    NaN    NaN
2  0.17  0.71     NaN    NaN    NaN
3  0.17  0.32     0.19   0.54   0.50
4  0.65  0.99     0.48   0.23   0.60
5  0.21  0.54     0.71   0.89   0.97
6  0.63  0.73     0.22   0.05   0.80
7  0.54  0.23     0.87   0.01   0.25
8  0.33  0.06     0.18   0.96   0.03
9  0.18  0.72     0.13   0.38   0.13

我的不同试验导致了两种错误。如果我使用将数据框用作参数的函数，例如 in df[['Coef1', 'Coef2', 'Coef3']] = df.expanding(min_periods=3).apply(func1))，我会得到KeyError: 'Input'. 如果我使用之前提取参数的第二个函数df['Coef1', 'Coef2', 'Coef3'] = df.expanding(min_periods=3).apply(lambda x: func2(x['Input'], x['Output']))，我会得到 DataError: No numeric types to aggregate 但是，如果我尝试例如df.expanding().cov(pairwise=True)它表明可以对返回的对象的不同列执行计算expanding。这里有一个类似的问题：Apply expand function on dataframe。但是，在函数中调用 expand() 的解决方案似乎不适用于这种情况。我将不胜感激任何指示或建议。

我找到了一个使用 numpy 执行此操作的包，因此它启发了我手动执行此操作：

def func_np(df):
    length = len(df)
    if length == 1:
        return [[0], [0], [0]]

    coef1, coef2, coef3 = [], [], []

    x = df['A'].to_numpy()  # This is the predictor column
    y = df['B'].to_numpy()  # This is the response column

    for step in range(1, length + 1):
        weights = np.polyfit(x[: step], y[: step], 2)  # 2 is the polynomial's order
        coef1.append(weights[0])
        coef2.append(weights[1])
        coef3.append(weights[2])
    # Note that coef1, coef2, coef3 correspond to the polynomial terms from highest to lowest

    # It is easier to return a data frame, so that we can reassign the result to the initial one
    return pd.DataFrame({'Coef1': coef1, 'Coef2': coef2, 'Coef3': coef3})

我想用 Numba 来加快执行速度，但它无法识别 np.polyfit 函数。此外，我还没有找到一种巧妙的方法将结果分配回初始数据框。这就是为什么我仍然有兴趣看到一个简单且更“pythonic”的扩展（）解决方案

4

1 回答 1

2

我怀疑您正在寻找的是df.expanding(..., method='table')即将推出的新功能pandas=1.3（请参阅“其他增强功能”）。

同时，您可以使用循环“手动”完成（对不起）：

xy = df.values
df['c1 c2 c3'.split()] = np.stack([
    func2(*xy[:n].T) if n >= 3 else np.empty(3)*np.nan
    for n in range(xy.shape[0])
])

例子：

np.random.seed(0)
df = pd.DataFrame(np.random.rand(10, 2).round(2), 
                  columns=['Input', 'Response'])

# the code above, then

>>> df
   Input  Response         c1         c2        c3
0   0.55      0.72        NaN        NaN       NaN
1   0.60      0.54        NaN        NaN       NaN
2   0.42      0.65        NaN        NaN       NaN
3   0.44      0.89 -22.991453  22.840171 -4.887179
4   0.96      0.38 -29.759096  29.213620 -6.298277
5   0.79      0.53   0.454036  -1.369701  1.272156
6   0.57      0.93   0.122450  -0.874260  1.113586
7   0.07      0.09  -1.010312   0.623331  0.696287
8   0.02      0.83  -2.687387   2.995143 -0.079214
9   0.78      0.87  -1.425030   1.294210  0.442684
于 2021-04-22T16:35:27.573 回答