Pandas 每月滚动 window

Question

我希望对按类别分组的每日数据进行 'monthly' 滚动 window。下面的代码不能正常工作，它会导致以下错误：

ValueError: <DateOffset: months=1> is a non-fixed frequency

我知道我可以使用“30D”偏移量，但是这会随着时间的推移改变日期。

我正在寻找从一个月的第 x 天到第 J 个月的第 x 天的 window 的总和。例如。 J=1：7月4日至8月4日，7月5日至8月5日，7月6日至8月6日等

几天来我一直在努力解决这个问题。任何建议或提示都将非常表示赞赏。新年快乐。

MRE：

import pandas as pd
from io import StringIO

data = StringIO(
"""\
date          logret       category
2014-03-25    -0.01           A
2014-04-05    -0.02           A
2014-04-15    -0.03           A
2014-04-25    0.01            B
2014-05-05    0.03            B
2014-05-15    -0.01           A
2014-05-25    0.04            B
"""
)

df = pd.read_csv(data,sep="\s+",parse_dates=True,index_col="date")

J=1

df.groupby(['category'])['logret'].rolling(pd.DateOffset(months=J),min_periods=J*20).sum()

Answer 1

def MonthRollAvg(df, offset, avgColumn):
    #must have DateTimeIndex
    df2 = df.copy()
    df2.index = df2.index + pd.DateOffset(days = -offset)
    return df2.groupby([df2.index.year, df2.index.month])[avgColumn].mean()

MonthRollAvg(df, 5, 'logret')

我能想到的最简单的方法是使用 pd.DateOffset 移动日期然后求平均值。因此，如果您想要从 6 号到 6 号，您可以使用 5 的偏移量来使该月的 6 号基本上成为该月的 1 号，然后找到每个月的平均值。这将使月份的长度保持原样。你只需要记录你在哪一天之间平均。

Answer 2

在中间步骤 'normalize' 你的时间戳，这样每个月都有 31 天，然后聚合，最后从你的结果中删除 'inserted' 行。

只要您的聚合具有中性元素，它就有效。

从原始 df 创建一个索引，所有时间戳都是字符串
使用表示时间戳的字符串创建另一个索引，其中所有月份都有 31 天
合并、聚合等
select 来自原始 df
向原始 df 添加新列

import pandas as pd
from io import StringIO

data = StringIO(
"""\
date          logret       category
2014-03-25    -0.01           A
2014-04-05    -0.02           A
2014-04-15    -0.03           A
2014-04-25    0.01            B
2014-05-05    0.03            B
2014-05-15    -0.01           A
2014-05-25    0.04            B
"""
)

df = pd.read_csv(data,sep="\s+",parse_dates=True,index_col="date")
idx = df.index.strftime('%Y-%m-%d')

y0 = df.index[0].year
y1 = df.index[-1].year

padded = pd.DataFrame(index=[f'{y}-{m:02}-{d:02}' 
                             for y in range(y0,y1+1) 
                             for m in range(1, 13)
                             for d in range(1, 32)])[idx[0]:idx[-1]]

# Note that the rolling interval is exclusive at start
df.assign(rolling_aggregate=padded.join(df.set_index(idx)).fillna(0).rolling(31).agg(sum).loc[idx])

产量：

            logret category  rolling_aggregate
date                                          
2014-03-25   -0.01        A                NaN
2014-04-05   -0.02        A                NaN
2014-04-15   -0.03        A                NaN
2014-04-25    0.01        B              -0.04
2014-05-05    0.03        B               0.01
2014-05-15   -0.01        A               0.03
2014-05-25    0.04        B               0.06

Pandas 每月滚动 window

Pandas monthly rolling window

python

group-by

offset

pandas

rolling-computation