在 Pandas 中计算滚动回归并存储斜率

Question

我有一些时间序列数据，我想计算 Pandas 中最后 n 天的分组滚动回归，并将该回归的斜率存储在新列中。

我搜索了较旧的问题，它们要么没有得到解答，要么使用了 Pandas OLS，我听说它已被弃用。

我想我可能可以df.rolling.apply()与该函数结合使用scipy.stats.linregress，但我无法找出一个 lambda 函数来完成我想做的事情。

这是一些示例代码

import numpy as np
import pandas as pd
from scipy.stats import linregress

# make sample data
days = 21
groups = ['A', 'B', 'C']
data_days = list(range(days)) * len(groups)
values = np.random.rand(days*len(groups))

df = pd.DataFrame(data=zip(sorted(groups*days), data_days, values), 
                  columns=['group', 'day', 'value'])

# calculate slope of regression of last 7 days
days_back = 7

grouped_data = df.groupby('group')
for g, data in grouped_data:
    window = data.rolling(window=days_back,
                          min_periods=days_back)

我需要一个名为“slope”的新列，其中从第 7 天开始，存储过去 7 天的线性回归的斜率。

Answer 1

我有一些错误的假设，首先我不需要循环各组，其次我并不真正理解如何rolling.apply工作......

这是（看似）工作代码。我使用了 scipy.stats 中的 linregress 函数：

import numpy as np
import pandas as pd
from scipy.stats import linregress

# create random sample data
days = 14
groups = ['A', 'B', 'C']
data_days = list(range(days)) * len(groups)
values = np.random.rand(days*len(groups))

df = pd.DataFrame(data=zip(sorted(groups*days), data_days, values), 
                  columns=['group', 'day', 'value'])

def get_slope(array):
    y = np.array(array)
    x = np.arange(len(y))
    slope, intercept, r_value, p_value, std_err = linregress(x,y)
    return slope


# calculate slope of regression of last 7 days
days_back = 3

df['rolling_slope'] = df.groupby('group')['value'].rolling(window=days_back,
                               min_periods=days_back).apply(get_slope, raw=False).reset_index(0, drop=True)

print(df)