熊猫滚动 window 百分位排名

Question

我正在尝试在滚动 window 中按列计算数据的百分位排名。

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

我尝试将 .rolling 与 .apply 结合使用，但我遗漏了一些东西。

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

对于 A 列，最终值将是从 2000-01-11 到 2000-01-20 的长度 =10 window 内的百分位数排名 -0.909525。有什么想法吗？

Answer 1

你的 lambda 接收一个 numpy 数组，它没有 .rank 方法——pandas 的 Series 和 DataFrame 有它。因此，您可以将其更改为

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

或者您可以按照 this SO answer:

的方式使用纯 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

最简单的选择是做这样的事情：

from scipy import stats
# 200 is the window size

dataset[name] =  dataset[name].rolling(200).apply(lambda x: stats.percentileofscore(x, x[-1]))

Answer 3

如果您只需要最后一次观察的排名，如滚动应用的情况，您可以使用：

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

时间大约快了一倍

熊猫滚动 window 百分位排名

Panda rolling window percentile rank

python

apply

rank

percentile

pandas