使用 rolling_apply 的 Python 自定义函数用于 pandas

Question

我想使用 pandas.rolling_apply 函数在滚动窗口的基础上应用我自己的自定义函数。

但是我的函数需要两个参数，并且还有两个输出。这可能吗？

下面是一个最小的可重现示例...

import pandas as pd
import numpy as np
import random
tmp  = pd.DataFrame(np.random.randn(2000,2)/10000, 
                    index=pd.date_range('2001-01-01',periods=2000),
                    columns=['A','B'])

def gm(df,p):
    v =(((df+1).cumprod())-1)*p
    return v.iloc[-1]

# an example output when subsetting for just 2001
gm(tmp['2001'],5)


# the aim is to do it on a rolling basis over a 50 day window
# whilst also getting both outputs and also allows me to add in the parameter p=5
# or any other number I want p to be... 
pd.rolling_apply(tmp,50,gm)

这会导致错误...因为 gm 有两个参数...

任何帮助将不胜感激...

编辑

根据 Jeff 的评论，我取得了进步，但我仍在为两列或更多列输出而苦苦挣扎，所以如果我改为创建一个新函数(如下)，它只返回两个随机数(与之前的计算无关)而不是最后一个v 的行，我收到错误 TypeError: only length-1 arrays can be converted to Python scalars。如果

def gm2(df,p):
    df = pd.DataFrame(df)
    v =(((df+1).cumprod())-1)*p
    return np.random.rand(2)

pd.rolling_apply(tmp,50,lambda x: gm2(x,5)).tail(20)

如果将 2 更改为 1，则此功能有效...

Answer 1

rolling_apply 将 numpy 数组传递给应用函数(此时)，到 0.14 它应该传递一个帧。问题是 here

因此重新定义您的函数以处理 numpy 数组。 (您当然可以在此处构建一个 DataFrame，但您的索引/列名称不会相同)。

In [9]: def gm(df,p):
   ...:     v = ((np.cumprod(df+1))-1)*p
   ...:     return v[-1]
   ...: 

如果您想在自定义函数中使用更多 pandas 函数，请执行此操作(请注意，调用框架的指标未通过 ATM)。

def gm(arr,p):
    df = DataFrame(arr)
    v =(((df+1).cumprod())-1)*p
    return v.iloc[-1]

通过 lambda 传递它

In [11]: pd.rolling_apply(tmp,50,lambda x: gm(x,5)).tail(20)
Out[11]: 
                   A         B
2006-06-04  0.004207 -0.002112
2006-06-05  0.003880 -0.001598
2006-06-06  0.003809 -0.002228
2006-06-07  0.002840 -0.003938
2006-06-08  0.002855 -0.004921
2006-06-09  0.002450 -0.004614
2006-06-10  0.001809 -0.004409
2006-06-11  0.001445 -0.005959
2006-06-12  0.001297 -0.006831
2006-06-13  0.000869 -0.007878
2006-06-14  0.000359 -0.008102
2006-06-15 -0.000885 -0.007996
2006-06-16 -0.001838 -0.008230
2006-06-17 -0.003036 -0.008658
2006-06-18 -0.002280 -0.008552
2006-06-19 -0.001398 -0.007831
2006-06-20 -0.000648 -0.007828
2006-06-21 -0.000799 -0.007616
2006-06-22 -0.001096 -0.006740
2006-06-23 -0.001160 -0.006004

[20 rows x 2 columns]