Python：滚动计算置信区间

Question

我有以下数据框：

df = pd.DataFrame({
'a': [0.1, 0.5, 0.1, 0.3],
'b': [0.2, 0.4, 0.2, 0.2],
'c': [0.3, 0.2, 0.4, 0.1],
'd': [0.1, 0.1, 0.1, 0.7],
'e': [0.2, 0.1, 0.3, 0.4],
'f': [0.7, 0.1, 0.1, 0.1]}
)

我想滚动获取每列的平均值（比如说滚动（1）.mean（）），然后获取每个条目的 95% 置信区间 CI = x +- z*s/sqrt(n)，其中 x 是滚动平均值，z 是置信度值，s 是滚动标准差（比如 rolling(1).stdev），n 是条目数列。

这可以在没有循环的情况下用 Python 方式完成吗？

谢谢。

Answer 1

IIUC，尝试：

WINDOW = 2
lower_bound = df.rolling(WINDOW).mean() - 1.96*df.rolling(WINDOW).std()
upper_bound = df.rolling(WINDOW).mean() + 1.96*df.rolling(WINDOW).std()
output = lower_bound.join(upper_bound, lsuffix="_lower", rsuffix="_upper").sort_index(axis=1)

>>> output
    a_lower   a_upper   b_lower  ...   e_upper   f_lower   f_upper
0       NaN       NaN       NaN  ...       NaN       NaN       NaN
1 -0.254372  0.854372  0.022814  ...  0.288593 -0.431558  1.231558
2 -0.254372  0.854372  0.022814  ...  0.477186  0.100000  0.100000
3 -0.077186  0.477186  0.200000  ...  0.488593  0.100000  0.100000

[4 rows x 12 columns]

Python：滚动计算置信区间

Python: Calculate confidence interval on a rolling basis

python

statistics

confidence-interval

dataframe

pandas