我正在尝试计算滚动窗口内每列数据的百分位排名。
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
我尝试使用.rolling和.apply,但是我似乎遗漏了一些东西。
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的长度为10的窗口内-0.909525的百分位排名。有任何想法吗?
numpy.ndarray
没有rank
方法"。rolling
是pandasSeries
和DataFrame
的方法。apply
有几种不同的实现方式。请查看split-apply-combine文档。 - Alicia Garcia-Rabosox.argsort()
的时间复杂度为O(nlogn),但我认为在数组中特定一个值的百分位排名应该是O(n)。 - PaleNeutron