python - 模拟满足协方差矩阵的时间序列

Question

如何生成具有与输入 df 相同协方差和均值的随机值的 df？

我有一个输入数据框:“my_input_df”，大小= (240, 8) 我想要一个大小为 (10,000 , 8) 的输出数据帧“my_output_df”，其中 10,000 行中的每一行都是相应列的随机抽取，例如 “my_output_df”的 cov 和平均值与协方差和平均值相同 “my_input_df”。

即:

my_input_df:

A       B      C       D
a1      b1     c1     d1
a2      b2     c2     d2
a3      b3     c3     d3
....
a240   b240    c240   d240

my_output_df:
A              B             C               D
rand_a1       rand_b1        rand_c1         rand_d1
rand_a2       rand_b2        rand_c2         rand_d2
rand_a3       rand_b3        rand_c3         rand_d3
... 
rand_a10000   rand_b10000    rand_c10000     rand_d10000

My_ouput_df 的每列必须具有随机值，满足:

my_output_df.cov() = my_input_df.cov()

还有:

mean of my_output_df['A'] = mean of my_input_df['A']
mean of my_output_df['B'] = mean of my_input_df['B']
mean of my_output_df['C'] = mean of my_input_df['C']
.... Etc

我怀疑它与 numpy.random.multivariate_normal 有关，但事实并非如此 我清楚如何在数据框中使用它。

Answer 1

谢谢大家。答案很简单:

使用np.random.multivariate_normal并转换为df，如下:

dataNew = np.random.multivariate_normal(my_mean,cov,1000)
where  my_mean=my_input_df.mean  
and    cov = my_input_df.cov()

要将 multivariate_normal 使用的结果转换为 df

my_output_df = pd.DataFrame(dataNew , columns= 'A', 'B', 'C'...)

这有效。再次感谢。