Python 使用熊猫数据帧中的部分数据滚动标准偏差

我希望能够根据数据框中的部分数据计算滚动标准偏差。一个例子将解释我想要实现的目标

                   A         B         C
2000-01-01  0.425615  1.679789 -1.903056
2000-01-02  0.791313  0.562471  0.098124
2000-01-03  1.223165 -0.548387 -1.558204
2000-01-04  0.354931 -0.685773  0.647817
2000-01-05  1.137434  1.000594  0.428180
2000-01-06 -0.265311 -1.807045  0.533477
2000-01-07  0.717505  1.647540 -0.141123
2000-01-08 -2.405664  1.278410  1.043872
2000-01-09  0.463943  0.982042 -0.382241
2000-01-10 -0.403267 -0.615421  0.583384
2000-01-11 -0.714163  0.470505 -0.291396
2000-01-12  0.209979 -0.118331 -0.369776
2000-01-13 -0.779638  0.924612 -0.477497
2000-01-14  0.149868 -0.376292  0.747637
2000-01-15 -0.464360  0.821400  1.412874

这就是我希望能够做到的：

应针对每根立柱进行计算

我想使用以下数据计算滚动标准偏差： 每n:th日期 在dataftame中。如果n=3，我想计算标准 使用 以下日期：2000-01-1512000-01-1212000-01-092000-01-06， 2000-01-03. 对于2000-01-14，我使用2000-01-14、2000-01-11、2000-01-08， 2000-01-05, 2000-01-02. 其他日期的逻辑相同，以获得滚动标准偏差

如果这个逻辑可以应用于其他领域，那就太好了 计算。我搞不懂的是如何在两者之间切换 不同的时间分辨率

df.index[：-1]

反转索引中的日期，以便最新的日期是第一个

df.ix[df.index[：-1][：：window\u step\u size]

然后从该索引中每隔

n次

取一个值（例如每三个日期）。最后，df.index[：-1][：：window\u step\u size][：-1]首先使用最早日期的索引

>>> df.index[::-1][::window_step_size][::-1]
Index([u'2000-01-03', u'2000-01-06', u'2000-01-09', u'2000-01-12', u'2000-01-15'], dtype='object')

基于此新索引，从数据库中选择值：

>>> df.ix[df.index[::-1][::window_step_size][::-1]]

                   A         B         C
2000-01-03  1.223165 -0.548387 -1.558204
2000-01-06 -0.265311 -1.807045  0.533477
2000-01-09  0.463943  0.982042 -0.382241
2000-01-12  0.209979 -0.118331 -0.369776
2000-01-15 -0.464360  0.821400  1.412874

现在，您可以对所选滚动窗口使用常规的

pd.rolling\u std

功能

pd.rolling_std(df.ix[df.index[::-1][::window_step_size][::-1]], window=rolling_window)

编辑要获取每日值，可以连接

def roll_sd(df, rolling_window, window_step_size):
    return pd.rolling_std(df.ix[df.index[::-1][::window_step_size][::-1]], 
                          window=rolling_window)

df_sd = pd.concat([roll_sd(df.iloc[0:len(df)-n], rolling_window, window_step_size) 
                   for n in range(window_step_size)])

df_sd.sort_index()
                   A         B         C
2000-01-01       NaN       NaN       NaN
2000-01-02       NaN       NaN       NaN
2000-01-03       NaN       NaN       NaN
2000-01-04       NaN       NaN       NaN
2000-01-05       NaN       NaN       NaN
2000-01-06       NaN       NaN       NaN
2000-01-07  0.192205  1.356544  1.305998
2000-01-08  1.953373  0.360948  0.480009
2000-01-09  0.744288  1.396749  1.048535
2000-01-10  0.571905  1.327296  0.438081
2000-01-11  1.772152  0.410464  0.668307
2000-01-12  0.370182  1.404848  0.525129
2000-01-13  0.778805  1.155806  0.542145
2000-01-14  1.299902  0.827427  0.701223
2000-01-15  0.479753  0.594379  1.032831

---

谢谢，但是我需要一个滚动值来表示每个日期，而不是每第三个日期。太棒了！我需要一些时间来尝试理解代码中发生了什么，但它看起来非常有希望。谢谢！我不能说我完全理解这一点，但我也希望有一个2000-01-15的值。它应该基于2000-01-1的标准开发5，2000-01-12，2000-01-09，2000-01-06，2000-01-03。它可以工作，但我在理解范围（4）中的n在这种情况下意味着什么方面有问题。为什么是4？我对熊猫来说是新手，它很强大，但并不总是容易理解。应该是窗口步长。我已经修改了。

>>[n代表范围（3）]

结果是

[0，1，2]

def roll_sd(df, rolling_window, window_step_size):
    return pd.rolling_std(df.ix[df.index[::-1][::window_step_size][::-1]], 
                          window=rolling_window)

df_sd = pd.concat([roll_sd(df.iloc[0:len(df)-n], rolling_window, window_step_size) 
                   for n in range(window_step_size)])

df_sd.sort_index()
                   A         B         C
2000-01-01       NaN       NaN       NaN
2000-01-02       NaN       NaN       NaN
2000-01-03       NaN       NaN       NaN
2000-01-04       NaN       NaN       NaN
2000-01-05       NaN       NaN       NaN
2000-01-06       NaN       NaN       NaN
2000-01-07  0.192205  1.356544  1.305998
2000-01-08  1.953373  0.360948  0.480009
2000-01-09  0.744288  1.396749  1.048535
2000-01-10  0.571905  1.327296  0.438081
2000-01-11  1.772152  0.410464  0.668307
2000-01-12  0.370182  1.404848  0.525129
2000-01-13  0.778805  1.155806  0.542145
2000-01-14  1.299902  0.827427  0.701223
2000-01-15  0.479753  0.594379  1.032831