我有一个多索引数据帧,其中第一个索引是日期,每天是一个 3x3 矩阵:
multi_index = pd.MultiIndex.from_product([[pd.datetime(2017, 1, 1),pd.datetime(2017, 1, 2),pd.datetime(2017, 1, 3)], ['A','B','C']])
df = pd.DataFrame(index=multi_index, data={"A": [1, 2, 3, 4, 1, 2, 3, 4, 2],"B": [1, 2, 3, 4, 1, 2, 3, 4, 2],"C": [1, 2, 3, 4, 1, 2, 3, 4, 2]})
我想创建一个与 df 结构相同的新数据帧,但这些值是矩阵扩展窗口的指数加权平均值。
所以对于 2017-01-01,新 df 与旧 df 相同。在 2017-01-02,新的 df 是 df 在 2017-01-01 和 2017-01-02 上的 2 个矩阵的指数加权平均值。在 2017-01-03 上,它是 3 个矩阵的指数加权平均值。
我正在尝试分组/扩展/应用/ewm 的组合,但没有找到解决方案。
下面对你有用吗?按第二个索引分组,然后应用熊猫。DataFrame.ewm
print(df)
A B C
2017-01-01 A 1 1 1
B 2 2 2
C 3 3 3
2017-01-02 A 4 4 4
B 1 1 1
C 2 2 2
2017-01-03 A 3 3 3
B 4 4 4
C 2 2 2
result = df.groupby(level=1).apply(lambda x: x.ewm(1).mean())
print(result)
A B C
2017-01-01 A 1.000000 1.000000 1.000000
B 2.000000 2.000000 2.000000
C 3.000000 3.000000 3.000000
2017-01-02 A 3.000000 3.000000 3.000000
B 1.333333 1.333333 1.333333
C 2.333333 2.333333 2.333333
2017-01-03 A 3.000000 3.000000 3.000000
B 2.857143 2.857143 2.857143
C 2.142857 2.142857 2.142857