如何使用groupby计算熊猫数据帧中两列之间的滚动相关系数

Question

我有一个数据帧：

df=pd.dataframe({'group':['A','A','A','A','A','A','A','A','B','B','B','B','B','B','B','B'],'val1':[100,200,300,400,50,150,250,350,50,150,250,350,100,200,300,475],'val2':[3,5,10,-3,2,-5,89,12,35,5,10,-3,2,-5,89,12]})

我想计算列val1'&'之间的相关系数val2’，滚动窗口为3并且在每组内。我想把它作为一列添加到数据帧中。我可以在不使用groupby:的情况下做到这一点

df['val1'].rolling(5).corr(df['val2'])

但我无法将其与groupby相结合。

我正在寻找的输出是一个添加到原始df中的列，如下所示：

相关性南南南>12[/tr>5-3//tr>-0.43[/tr>0.23[/tr><12>0.65[/tr>

组	Val1	Val2
A	100	3	楠
A	200	5
A	300	10
A	400	-3
A	50	2	0.1
A	150	-5	-0.25
A	250	89	0.8
A	350	0.65
B	50	35	楠
B	150	楠
B	250	10	楠
B	350	楠
B	100	2
B	200	-5
B	475	89	0.87
B	100

您可以使用.groupby()按列group进行分组。结果将是两个组，每个组包含所有行(即使是不属于该组的行(。然后，通过与原始行索引上的.GroupBy.max()进行聚合，进一步组合不同组的结果，如下所示：

df['Correlation'] = df.groupby('group')['val1'].rolling(5).corr(df['val2']).groupby(level=1).max()

结果：

print(df)
group  val1  val2  Correlation
0      A   100     3          NaN
1      A   200     5          NaN
2      A   300    10          NaN
3      A   400    -3          NaN
4      A    50     2    -0.136808
5      A   150    -5     0.051931
6      A   250    89     0.093510
7      A   350    12     0.079207
8      B    50    35          NaN
9      B   150     5          NaN
10     B   250    10          NaN
11     B   350    -3          NaN
12     B   100     2    -0.652637
13     B   200    -5    -0.210248
14     B   300    89     0.328695
15     B   475    12     0.152914