Question

E.G，我有以下csv数据（实际上有多个g组）：

G,T,x,y
g,1,3,4
g,2,4,5
g,3,6,1
g,4,7,2
g,5,8,3
g,6,9,8

我想计算每组x和y之间的指数加权相关系数。所以我期待结果：

G T     namedWhatever
g 1         NaN
g 2    1.000000
g 3   -0.867510
g 4   -0.792758
g 5   -0.510885
g 6    0.413379

实际上可以通过以下方式计算：

dat.loc['g'].ewm(halflife=3).corr().loc[:, 'x', 'y']
Out[5]: 
T
1         NaN
2    1.000000
3   -0.867510
4   -0.792758
5   -0.510885
6    0.413379
Name: y, dtype: float64

我没有运气的尝试：

In [3]: dat = pd.read_csv('test.csv').set_index(['G', 'T'])

In [4]: dat.groupby(level='G').transform(lambda x: x.ewm(halflife=3).corr())
Out[4]: 
       x    y
G T          
g 1  NaN  NaN
  2  1.0  1.0
  3  1.0  1.0
  4  1.0  1.0
  5  1.0  1.0
  6  1.0  1.0

做正确的方法是什么？我的熊猫版本是0.19.2和python 3.6。

Answer 1

问题是corr返回相关矩阵。所以当你做ewm.corr时它会返回一个面板。因此，您需要提取额外的对角线分量以获得相关系数。

循环的显式解决方案是：

res = pd.concat([el.ewm(halflife = 3).corr().xs('x', axis = 1).loc['y', :] for key, el in dat.groupby(level = 'G')])

如果您检查el.ewm(halflife = 3).corr()：

，这一点会更清楚

el.ewm(halflife = 3).corr()
Out[54]: 
<class 'pandas.core.panel.Panel'>
Dimensions: 6 (items) x 2 (major_axis) x 2 (minor_axis)
Items axis: (g, 1) to (g, 6)
Major_axis axis: x to y
Minor_axis axis: x to y

关注this answer我意识到您可以通过使用上面的表达式来避免循环，但是在分组对象的apply而不是transform方法中。

dat.groupby(level='G').apply(lambda x: x.ewm(halflife=3).corr().xs('x', axis = 1).loc['y', :]).T

在这两种情况下，我都获得了预期的输出：

res
Out[55]: 
G  T
g  1         NaN
   2    1.000000
   3   -0.867510
   4   -0.792758
   5   -0.510885
   6    0.413379
Name: y, dtype: float64

如何计算groupby后的ewm相关系数？

1 个答案: