在 PANDAS 中的滞后时间段内聚合

Aggregating over a lagged time period in PANDAS

我有一个多索引数据框,其中包含日期和股票代码的索引。这是一个子集:

我想创建几个滞后变量。我已经想出如何创建一天的延迟:

df['Number of Tweets [t-1]'] = df['Number of Tweets'].unstack().shift(1).stack()

我遇到困难的地方在于创建一个滞后变量,该变量汇总(求和)t-1 到 t-3 天、t-1 到 t-7 天或 t-1 到 t-30 天的值。例如,我想要一个名为 'Number of Tweets [sum of t-1 through t-3]' 的列。我玩过 DateOffset 并研究过 resample 但没能更进一步。我似乎也无法在 Cookbook 或文档中的示例中找到任何有帮助的答案。我在这个上旋转我的轮子,所以会很感激任何帮助。

对移位后的数据使用pd.rolling_sum。要计算 t-3 到 t-1 的滚动总和,请使用长度为 3 的 window 并将数据移动 1(如果未指定参数,则为默认值)。

from pandas import Timestamp

# Create series
s = pd.Series({(Timestamp('2015-03-30 00:00:00'), 'AAPL'): 2,
 (Timestamp('2015-03-30 00:00:00'), 'IBM'): 3,
 (Timestamp('2015-03-30 00:00:00'), 'TWTR'): 2,
 (Timestamp('2015-03-31 00:00:00'), 'AAPL'): 6,
 (Timestamp('2015-03-31 00:00:00'), 'IBM'): 2,
 (Timestamp('2015-03-31 00:00:00'), 'TWTR'): 7,
 (Timestamp('2015-04-01 00:00:00'), 'AAPL'): 3,
 (Timestamp('2015-04-01 00:00:00'), 'IBM'): 1,
 (Timestamp('2015-04-01 00:00:00'), 'TWTR'): 2,
 (Timestamp('2015-04-02 00:00:00'), 'AAPL'): 6,
 (Timestamp('2015-04-02 00:00:00'), 'IBM'): 8,
 (Timestamp('2015-04-02 00:00:00'), 'TWTR'): 2,
 (Timestamp('2015-04-06 00:00:00'), 'AAPL'): 4,
 (Timestamp('2015-04-06 00:00:00'), 'IBM'): 2,
 (Timestamp('2015-04-06 00:00:00'), 'TWTR'): 6,
 (Timestamp('2015-04-07 00:00:00'), 'AAPL'): 3,
 (Timestamp('2015-04-07 00:00:00'), 'IBM'): 7,
 (Timestamp('2015-04-07 00:00:00'), 'TWTR'): 8})

# View the data more easily:
s.unstack() 
            AAPL  IBM  TWTR
Date                       
2015-03-30     2    3     2
2015-03-31     6    2     7
2015-04-01     3    1     2
2015-04-02     6    8     2
2015-04-06     4    2     6
2015-04-07     3    7     8

# Calculate a rolling sum on date t for dates t-3 through t-1:
result = pd.rolling_sum(s.unstack().shift(), window=3)  # .shift() <=> .shift(1)

>>> result
            AAPL  IBM  TWTR
Date                       
2015-03-30   NaN  NaN   NaN
2015-03-31   NaN  NaN   NaN
2015-04-01   NaN  NaN   NaN
2015-04-02    11    6    11
2015-04-06    15   11    11
2015-04-07    13   11    10

# Restack the data:
>>> result.stack()
2015-04-02  AAPL    11
            IBM      6
            TWTR    11
2015-04-06  AAPL    15
            IBM     11
            TWTR    11
2015-04-07  AAPL    13
            IBM     11
            TWTR    10