Python 索引及；将func应用于具有日期偏移量的数据帧

取以下具有小漂移的正态分布项的数据帧：

np.random.seed(123)
df = pd.DataFrame(np.random.randn(60,3) / 100 + 0.005, 
                  index=pd.date_range(end='2017-06-30', periods=60, freq='M'))

并定义将应用于列的函数

汇总

：

def rollup(r):
    return r.add(1.).prod() -1.

例如，调用整个

df

可以得到：

print(rollup(df))
0    0.17411
1    0.35658
2    0.24944
dtype: float64

但是我想做的是从

df

索引中的最终日期获取一个日期偏移量，并将

rollup

应用于该子帧。我正确地理解了这一点，如下所示，但我想知道是否有一种使用更少行的替代方法

from pandas.tseries.offsets import DateOffset
end = df.index[-1]

start = end - DateOffset(years=2)    
print(df[start:end].apply(rollup))
0    0.07905
1    0.18037
2    0.09656
dtype: float64

# example 2
start = end - DateOffset(months=6)    
print(df[start:end].apply(rollup))
0    0.01656
1    0.06585
2    0.01463
dtype: float64

这最后一段代码可以压缩吗？是否有其他方法不需要我指定

结束

，应用

日期偏移量

，然后在两者之间建立索引

df

---

如果这是需要最少代码的最直接的方法，那么对我来说，这本身就是一个答案。

首先，我认为您的代码非常简洁。我将提出以下观察和建议：

您的索引是以

'M'

的频率创建的，它会传递到每个

时间戳

。这意味着这些对象现在知道如何处理整数的加法和减法。

pandas

所做的是假设整数采用频率表示的偏移量

示例

df.index[-1]

Timestamp('2017-06-30 00:00:00', freq='M')

及

我们可以用它来实现您的目标

rollup(df[df.index[-1] - 2:])  # last 2 months

及

---

额外学分

这个数学也适用于整个索引

df.index + 2

---

为每个索引值添加两个月。

谢谢。实际上，我选择使用特定对象，而不是通用的

DateOffset

。而且可能会保持代码不变，因为我有时使用不同的频率工作。很公平。。。正如我所说，您的代码一开始看起来很好：-）

rollup(df[df.index[-1] - 24:])  # last 2 years

df.index + 2