Скользящее среднее (которое расширяет свое окно) для сгруппированного мультииндекса

1

У меня есть мультииндекс, основанный на датах и времени (сгруппированные по разным). Данные выглядят следующим образом:

                             r2     var_v2x          _s
date       time                                        
2017-10-02 08:05:00  0.00000031  0.00008784  0.00353914
2017-10-03 08:05:00  0.00000008  0.00009055  0.00085233
2017-10-04 08:05:00  0.00000000  0.00018774  0.00000000
2017-10-05 08:05:00  0.00000031  0.00007609  0.00409934

и в течение другого периода времени:

                             r2     var_v2x          _s
date       time                                        
2017-10-02 08:30:00  0.00000000  0.00008784  0.00000000
2017-10-03 08:30:00  0.00000008  0.00009055  0.00085375
2017-10-04 08:30:00  0.00000008  0.00018774  0.00041180
2017-10-05 08:30:00  0.00000000  0.00007609  0.00000000
2017-10-10 08:30:00  0.00000008  0.00006900  0.00112288

Теперь я хочу применить скользящее среднее к столбцу _s с саморасширяющимся катящимся окном. Это означает, что для первого наблюдения внутри группы катящееся окно равно 1 (так что только значение, второе наблюдение включает в себя 1-е и 2-ое значение столбца _s и т.д.

В конце концов, я хочу, чтобы ungrouped dataframe:

                             r2     var_v2x          _s      s_rolling
date       time                                        
2017-10-02 08:05:00  0.00000031  0.00008784  0.00353914     0.00353914
2017-10-02 08:10:00  0.00000024  0.00008784  0.00249531     rolling(2)
2017-10-02 08:15:00  0.00000024  0.00008784  0.00249531     rolling(3)
2017-10-02 08:20:00  0.00000024  0.00008784  0.00249531     rolling(4)

Пока у меня это:

'file_name = r'E:\Model\ModelSpecific\Index_shat.txt'

 df = pd.read_csv(file_name, parse_dates=[0], index_col=None, sep=',')

 list_date = sorted(set(df['Date']))
 list_time = sorted(set(df['Time']))
 iterables = [list_date, list_time]
 indexed = pd.MultiIndex.from_product(iterables, names=['date', 'time'])
 df = df.set_index(indexed)

 df = df.dropna()
 df['_s'] = df['r2']/df['var_v2x']

 for date, new_df in enumerate(df.groupby(level=1)):
      new_df = pd.DataFrame(new_df)
      new_df['rolling_s'] = new_df.expanding().mean()
      print(new_df)

Но возвращает: ValueError: неправильное количество элементов, переданных 3, размещение подразумевает 1.

Я также попытался enumerate(df.groupby(level=1)):
Но возвращает: AttributeError: объект 'tuple' не имеет атрибута 'roll'

  • 2
    Вы хотите .expanding().mean() . но не уверен точно, что это за код, так как ваш ввод недостаточно полон для создания вывода.
  • 0
    @ALollz добавил мой полный код. Пробовал .expanding().mean() но возвращает: AttributeError: у объекта 'tuple' нет атрибута 'roll'. Затем я попытался преобразовать кортеж в DataFrame но это возвращает: TypeError: конструктор DataFrame, вызываемый с несовместимыми данными, и dtype: установка элемента массива с последовательностью
Показать ещё 1 комментарий
Теги:
pandas
dataframe
mean
multi-index

1 ответ

0
Лучший ответ
df_needed = df['_s']
df_needed.rename(columns = {'_s':'s_hat'}, inplace=True)

lista = []

for date, new_df in df_needed.groupby(level=1):
    new_df = pd.DataFrame(new_df)
    rolling = new_df[0].expanding().mean()
    lista.append(rolling)

df_init = pd.concat(lista,axis=0)

df_joined = df.join(df_init)
df_joined.columns = ['r2', 'var_v2x', 'r2_var_2x', 's_hat']

df_joined.to_csv(outfile)

Окончательный код и хорошо работает! Спасибо!

Поделиться

Ещё вопросы

Сообщество Overcoder
Наверх
Меню