熊貓滾動窗口百分位排名

Question

我正在嘗試在滾動窗口中按列計算數據的百分位排名。

test=pd.DataFrame(np.random.randn(20,3),pd.date_range('1/1/2000',periods=20),['A','B','C'])

test
Out[111]: 
                   A         B         C
2000-01-01 -0.566992 -1.494799  0.462330
2000-01-02 -0.550769 -0.699104  0.767778
2000-01-03 -0.270597  0.060836  0.057195
2000-01-04 -0.583784 -0.546418 -0.557850
2000-01-05  0.294073 -2.326211  0.262098
2000-01-06 -1.122543 -0.116279 -0.003088
2000-01-07  0.121387  0.763100  3.503757
2000-01-08  0.335564  0.076304  2.021757
2000-01-09  0.403170  0.108256  0.680739
2000-01-10 -0.254558 -0.497909 -0.454181
2000-01-11  0.167347  0.459264 -1.247459
2000-01-12 -1.243778  0.858444  0.338056
2000-01-13 -1.070655  0.924808  0.080867
2000-01-14 -1.175651 -0.559712 -0.372584
2000-01-15 -0.216708 -0.116188  0.511223
2000-01-16  0.597171  0.205529 -0.728783
2000-01-17 -0.624469  0.592436  0.832100
2000-01-18  0.259269  0.665585  0.126534
2000-01-19  1.150804  0.575759 -1.335835
2000-01-20 -0.909525  0.500366  2.120933

我嘗試將 .rolling 與 .apply 一起使用，但我遺漏了一些東西。

pctrank = lambda x: x.rank(pct=True)
rollingrank=test.rolling(window=10,centre=False).apply(pctrank)

對於 A 列，最終值將是從 2000-01-11 到 2000-01-20 的 length=10 窗口內的百分位等級 -0.909525。 有什么想法嗎？

Answer 1

你的 lambda 接收一個 numpy 數組，它沒有.rank方法——它是DataFrame的Series和DataFrame有它。 您可以因此將其更改為

pctrank = lambda x: pd.Series(x).rank(pct=True).iloc[-1]

或者你可以按照這個 SO 答案的思路使用純 numpy ：

def pctrank(x):
    n = len(x)
    temp = x.argsort()
    ranks = np.empty(n)
    ranks[temp] = (np.arange(n) + 1) / n
    return ranks[-1]

Answer 2

最簡單的選擇是做這樣的事情： from scipy import stats 200 是窗口大小

數據集[名稱] = 數據集[名稱].rolling(200).apply(lambda x: stats.percentileofscore(x, x[-1]))

Answer 3

如果您只需要最后一次觀察的排名，就像滾動應用的情況一樣，您可以使用：

 def pctrank(x):
    i = x.argsort().argmax() + 1
    n = len(x)
    return i/n

時間大約快兩倍