![](/img/trans.png)
[英]Find non-overlap instances (5-day stock returns) of rolling window product which meet condition
[英]Count unique values over rolling window which meet a condition
我有類似以下的數據:
df = pd.DataFrame({
'cat': ['a','a','b','c','a','a','c','b', 'b'],
'cond': [True, True, False, True, False, True, True, True, True]
})
我想創建一個新列,它計算 cat 在滾動 window 上的唯一出現次數,其中所有出現的 cat 都是 True per cond。
所以 output 對於上述 df 與 rolling(window=3) 將是:
df['manual_count'] = pd.Series([np.nan,np.nan,1.0,2.0,1.0,1.0,1.0,3.0,2.0])
我只計算了沒有條件的唯一事件,這相當簡單:
df['all'] = (
pd.Series(df['cat'].factorize()[0])
.rolling(3)
.apply(lambda x: x.nunique())
)
但是介紹這個條件讓我很難過。 我認為答案在於 groupby/apply 但似乎無法根據需要將它們組合在一起......感謝任何幫助!
[編輯] 使用 Myrl 的絕妙想法的最終解決方案:
df['false_once'] = (
pd.Series(df['cat'].factorize()[0])
.where(~df['cond'], -1)
.rolling(3)
.apply(lambda x: x[x>=0].nunique())
)
df['true_all'] = df['all'] - df['false_once']
如何根據df["cond"]
過濾列並用-1
之類的標記替換不滿足條件的元素? 由於pd.factorize
始終返回非負整數,因此您可以在計算唯一元素之前清除負值。 這里有一個快速的單線來傳達這個想法:
pd.Series(df['cat'].factorize()[0])
.where(df['cond'], -1).rolling(3)
.apply(lambda x: x[x>0].nunique())
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.