如何使用Pandas计算滚动排名相关性

Question

我想计算数据框中两列的滚动排名相关性，但是 pandas 中当前的 rolling_corr 不支持排名相关性。我尝试使用 rolling_apply 实现滚动排名相关性，但没有任何成功的经验。似乎 rolling_apply 只将一个数组作为输入参数，而相关性需要两个数组。有没有聪明的方法可以使用 rolling_apply 或其他方法实现滚动排名相关性？如果可能的话，排名相关性会成为 rolling_corr 的不错补充。

- user1642513

Answer 1

我认为rolling_apply不能用于执行滚动相关性，因为它似乎会将DataFrames分解为1维数组。可能有更好的方法来做到这一点，但其中一种解决方案是自己生成器以产生每个窗口的切片：

def window(length, size=2, start=0):
    while start + size <= length:
        yield slice(start, start + size)
        start += 1

然后通过循环遍历它...

In [144]: from pandas import DataFrame
     ...: import numpy as np
     ...: 
     ...: df = DataFrame(np.arange(10).reshape(2,5).T, columns=['a','b'])
     ...: 
     ...: df.iloc[0,1] = -1       #still perfect with ranked correlation, but not with pearson's r
     ...: 
     ...: for w in window(len(df), size=3):
     ...:     df_win = df.iloc[w,:]
     ...:     spearman = df_win['a'].rank().corr(df_win['b'].rank())
     ...:     pearson  = df_win['a'].corr(df_win['b'])
     ...:     print w.start, spearman, pearson
     ...:     
0 1.0 0.917662935482
1 1.0 1.0
2 1.0 1.0

- machow