- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试使用股票价格的数据框/时间序列在 pandas 中构建滚动 OLS 模型。我想要做的是在过去 N 天执行 OLS 计算并返回预测价格和斜率,并将它们添加到数据框中各自的列中。据我所知,我唯一的选择是使用 PandasRollingOLS
来自pyfinance
所以我将在我的示例中使用它,但如果有其他方法,我很乐意使用它。
我的数据框如下所示:
Date Price
....
2019-03-31 08:59:59.999 1660
2019-03-31 09:59:59.999 1657
2019-03-31 10:59:59.999 1656
2019-03-31 11:59:59.999 1652
2019-03-31 12:59:59.999 1646
2019-03-31 13:59:59.999 1645
2019-03-31 14:59:59.999 1650
2019-03-31 15:59:59.999 1669
2019-03-31 16:59:59.999 1674
我想使用 Date
执行滚动回归列作为自变量。通常我会这样做:
X = df['Date']
y = df['Price']
model = ols.PandasRollingOLS(y, X, window=250)
但是,毫不奇怪地使用 df['Date']
因为我的 X 返回错误。
所以我的第一个问题是,我需要对我的 Date
做什么?列以获取 PandasRollingOLS
在职的。我的下一个问题是我到底需要调用什么来返回预测值和斜率?常规OLS
我会做类似 model.predict
的事情和model.slope
但这些选项显然不适用于 PandasRollingOLS
.
我实际上想将这些值添加到我的 df 中的新列中,所以我在想类似 df['Predict'] = model.predict
的东西例如,但显然这不是答案。理想的结果 df 是这样的:
Date Price Predict Slope
....
2019-03-31 08:59:59.999 1660 1665 0.10
2019-03-31 09:59:59.999 1657 1663 0.10
2019-03-31 10:59:59.999 1656 1661 0.09
2019-03-31 11:59:59.999 1652 1658 0.08
2019-03-31 12:59:59.999 1646 1651 0.07
2019-03-31 13:59:59.999 1645 1646 0.07
2019-03-31 14:59:59.999 1650 1643 0.07
2019-03-31 15:59:59.999 1669 1642 0.07
2019-03-31 16:59:59.999 1674 1645 0.08
任何帮助将不胜感激,干杯。
最佳答案
您可以使用 datetime.datetime.strptime
和 time.mktime
将日期转换为整数,然后使用 为数据帧的所需子集构建模型statsmodels
和处理滚动窗口的自定义函数:
输出:
Price Predict Slope
Date
2019-03-31 10:59:59.999 1656 1657.670504 0.000001
2019-03-31 11:59:59.999 1652 1655.003830 0.000001
2019-03-31 12:59:59.999 1646 1651.337151 0.000001
2019-03-31 13:59:59.999 1645 1647.670478 0.000001
2019-03-31 14:59:59.999 1650 1647.003818 0.000001
2019-03-31 15:59:59.999 1669 1654.670518 0.000001
2019-03-31 16:59:59.999 1674 1664.337207 0.000001
代码:
#%%
# imports
import datetime, time
import pandas as pd
import numpy as np
import statsmodels.api as sm
from collections import OrderedDict
# your data in a more easily reprodicible format
data = {'Date': ['2019-03-31 08:59:59.999', '2019-03-31 09:59:59.999', '2019-03-31 10:59:59.999',
'2019-03-31 11:59:59.999', '2019-03-31 12:59:59.999', '2019-03-31 13:59:59.999',
'2019-03-31 14:59:59.999', '2019-03-31 15:59:59.999', '2019-03-31 16:59:59.999'],
'Price': [1660, 1657, 1656, 1652, 1646, 1645, 1650, 1669, 1674]}
# function to make a useful time structure as independent variable
def myTime(date_time_str):
date_time_obj = datetime.datetime.strptime(date_time_str, '%Y-%m-%d %H:%M:%S.%f')
return(time.mktime(date_time_obj.timetuple()))
# add time structure to dataset
data['Time'] = [myTime(obs) for obs in data['Date']]
# time for pandas
df = pd.DataFrame(data)
# Function for rolling OLS of a desired window size on a pandas dataframe
def RegressionRoll(df, subset, dependent, independent, const, win):
"""
RegressionRoll takes a dataframe, makes a subset of the data if you like,
and runs a series of regressions with a specified window length, and
returns a dataframe with BETA or R^2 for each window split of the data.
Parameters:
===========
df -- pandas dataframe
subset -- integer - has to be smaller than the size of the df or 0 if no subset.
dependent -- string that specifies name of denpendent variable
independent -- LIST of strings that specifies name of indenpendent variables
const -- boolean - whether or not to include a constant term
win -- integer - window length of each model
Example:
========
df_rolling = RegressionRoll(df=df, subset = 0,
dependent = 'Price', independent = ['Time'],
const = False, win = 3)
"""
# Data subset
if subset != 0:
df = df.tail(subset)
else:
df = df
# Loopinfo
end = df.shape[0]+1
win = win
rng = np.arange(start = win, stop = end, step = 1)
# Subset and store dataframes
frames = {}
n = 1
for i in rng:
df_temp = df.iloc[:i].tail(win)
newname = 'df' + str(n)
frames.update({newname: df_temp})
n += 1
# Analysis on subsets
df_results = pd.DataFrame()
for frame in frames:
#debug
#print(frames[frame])
# Rolling data frames
dfr = frames[frame]
y = dependent
x = independent
# Model with or without constant
if const == True:
x = sm.add_constant(dfr[x])
model = sm.OLS(dfr[y], x).fit()
else:
model = sm.OLS(dfr[y], dfr[x]).fit()
# Retrieve price and price prediction
Prediction = model.predict()[-1]
d = {'Price':dfr['Price'].iloc[-1], 'Predict':Prediction}
df_prediction = pd.DataFrame(d, index = dfr['Date'][-1:])
# Retrieve parameters (constant and slope, or slope only)
theParams = model.params[0:]
coefs = theParams.to_frame()
df_temp = pd.DataFrame(coefs.T)
df_temp.index = dfr['Date'][-1:]
# Build dataframe with Price, Prediction and Slope (+constant if desired)
df_temp2 = pd.concat([df_prediction, df_temp], axis = 1)
df_temp2=df_temp2.rename(columns = {'Time':'Slope'})
df_results = pd.concat([df_results, df_temp2], axis = 0)
return(df_results)
# test run
df_rolling = RegressionRoll(df=df, subset = 0,
dependent = 'Price', independent = ['Time'],
const = False, win = 3)
print(df_rolling)
通过不指定这么多变量,而是将更多表达式直接放入字典和函数中,可以轻松缩短代码,但我们可以看看生成的输出是否确实代表了您想要的输出。另外,您没有指定是否在分析中包含常数项,因此我也提供了一个选项来处理该问题。
关于python - 使用 pandas 使用时间作为自变量滚动 OLS,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55443071/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!