pandas - 在 Pandas 多索引 DataFrame 上扩展指数权重，其中每一天都是一个矩阵

Question

我有一个多索引数据框，其中第一个索引是日期，每天是一个 3x3 矩阵:

multi_index = pd.MultiIndex.from_product([[pd.datetime(2017, 1, 1),pd.datetime(2017, 1, 2),pd.datetime(2017, 1, 3)], ['A','B','C']])
df = pd.DataFrame(index=multi_index, data={"A": [1, 2, 3, 4, 1, 2, 3, 4, 2],"B": [1, 2, 3, 4, 1, 2, 3, 4, 2],"C": [1, 2, 3, 4, 1, 2, 3, 4, 2]})

我想创建一个与 df 具有相同结构的新数据帧，但这些值是矩阵扩展窗口的指数加权平均值。

因此，对于 2017-01-01，新 df 与旧 df 相同。在 2017-01-02 上，新的 df 是来自 df 的 2017-01-01 和 2017-01-02 上的 2 个矩阵的指数加权平均值。在 2017-01-03 上，它是 3 个矩阵的指数加权平均值。

我正在尝试 groupby/expanding/apply/ewm 的组合，但没有找到解决方案。

Answer 1

下面对你有用吗？按第二个索引分组，然后应用 pandas.DataFrame.ewm

print(df)
              A  B  C
2017-01-01 A  1  1  1
           B  2  2  2
           C  3  3  3
2017-01-02 A  4  4  4
           B  1  1  1
           C  2  2  2
2017-01-03 A  3  3  3
           B  4  4  4
           C  2  2  2

result = df.groupby(level=1).apply(lambda x: x.ewm(1).mean())
print(result)
                     A         B         C
2017-01-01 A  1.000000  1.000000  1.000000
           B  2.000000  2.000000  2.000000
           C  3.000000  3.000000  3.000000
2017-01-02 A  3.000000  3.000000  3.000000
           B  1.333333  1.333333  1.333333
           C  2.333333  2.333333  2.333333
2017-01-03 A  3.000000  3.000000  3.000000
           B  2.857143  2.857143  2.857143
           C  2.142857  2.142857  2.142857