Pandas分组ewm

Question

我有一组标记的事件（时间序列）数据，其中事件以给定标签的随机间隔发生。我想计算组内ewma并将其添加到数据框中作为新列“X1_EWMA”。到目前为止，代码如下：

import pandas as pd
import numpy as np
import altair as alt

n = 1000
df = pd.DataFrame({
    'T': pd.date_range('20190101', periods=n, freq='H'),
    'C1': np.random.choice(list('PYTHON'), n),
    'C2': np.random.choice(list('FUN'), n),
    'X1': np.random.randn(n),
    'X2': 100 + 10 * np.random.randn(n)
})

ts = df.set_index('T')

display(df.head())
display(ts.head())

感谢SO: Pandas Groupby and apply method with custom function，我能够使用以下方法计算分组EWMA：

ewm = ts.groupby(['C1']).apply(lambda x: x['X1'].ewm(halflife=10).mean())
ewm.head()

它生成了一个按照分类变量和日期时间索引的系列。该系列的长度与原始数据帧和时间序列（df和ts）相同。

现在我认为我可以通过对行索引进行连接（假设排序顺序没有改变）将其与原始数据帧(df)结合起来，但这似乎不太正确，甚至可能是一种冒险的方法，因为groupby只在一个分类标签中-我需要仔细检查/排序/重新索引。

似乎应该有一种更容易的方法直接将时间序列列添加到数据帧（df）或时间序列（ts）中，而无需创建单独的系列或数据帧并将它们连接起来。如果我想添加滚动统计信息，例如：

ts.groupby('C1').rolling(10).mean()

非常感谢您提供的任何帮助或意见。

基于已接受答案的结果：

import pandas as pd
import numpy as np
import math
import altair as alt

alt.renderers.enable('notebook')      # for rendering in the notebook
alt.data_transformers.enable('json')  # for plotting data larger than 5000 points

# make a dataframe to test
n = 1000
df = pd.DataFrame({
    'T': pd.date_range('20190101', periods=n, freq='H'),
    'C1': np.random.choice(list('PYTHON'), n),
    'C2': np.random.choice(list('FUN'), n),
    'X1': np.linspace(0, 2*math.pi, n),
    'X2': np.random.randn(n),
})

# add a new variable that is a function of X1, X2 + a random outlier probability
df['X3'] = 0.2 * df['X2'] + np.sin(df['X1']) + np.random.choice(a=[0, 2], size=n, p=[0.98, 0.02])

# make it a time series for later resampling use cases.
ts = df.set_index('T')

#  SOLUTION: Add the ewma line with groupby().transform().
ts['ewm'] = ts.groupby(['C1'])['X3'].transform(lambda x: x.ewm(halflife=1).mean())

# plot the points and ewma using altair faceting and layering
points = alt.Chart().mark_circle(size=20, opacity=0.9).encode(
    x = 'T', 
    y = 'X3',
    color = 'C2',
).properties(width=270, height=170)

lines = alt.Chart().mark_line(size=1, color='red', opacity=1).encode(
    x = 'T', 
    y = 'ewm'
)

alt.layer(points, lines).facet(facet='C1', data=ts.reset_index()).properties(columns=3)

- Randall Goodwin

Answer 1

我们可以使用transform来解决问题：

t['ewm'] = ts.groupby(['C1'])['X1'].transform(lambda x: x.ewm(halflife=10).mean()).values()

- BENY

---

谢谢。我完全忘记了groupby().transform()！你的解决方案有效，并且ewma数据与原始序列正确对齐。添加了一些异常值到数据中，并使用altair绘制图表以展示结果符合预期。我将编辑我的OP以展示结果。 - Randall Goodwin

@Trenton_M。谢谢提醒。我已经点赞了，但是没有点击确认接受。现在已经完成了。 - Randall Goodwin

太棒了！我可以补充一点，"df.values不是一个函数，所以你不需要调用它。只需使用df.values而不是df.values()"，根据这个答案https://dev59.com/PaXja4cB1Zd3GeqPPVFa#46317362。 - Casual Pundit

Answer 2

对于大型数据集，被接受的答案非常慢。

我所做的是：

ts['ewm'] = ts.groupby(['C1']).ewm(halflife=10).mean().values

看起来工作良好

- Andrzej Bednorz

Answer 3

你可以试试这个吗？ 不要设置 ts = df.set_index('T')。然后你可以按照下面的方式操作

ts['ewm']=ts.groupby(['C1'], sort=False).apply(lambda x: x['X1'].ewm(halflife=10).mean()).reset_index(drop=True)

- moys

---

谢谢你的回答，然而，在绘制数据之后，发现 EWMA 没有被正确地应用在组内。这只有在绘制数据之后才能清楚地看到。 - Randall Goodwin