Python 将自定义滚动函数应用于数据帧

尝试将自定义滚动函数应用于熊猫数据帧时出现异常。例如：

import statsmodels.api as sm
import pandas as pd
import numpy as np

def univar_regr_beta(y, x):
    Y, X = y.as_matrix(), x.as_matrix()

    X = sm.add_constant(X)

    model = sm.OLS(Y, X)
    return model.fit().params[1]

df = pd.DataFrame(np.random.randn(20,3))
srs = pd.Series(np.random.randn(20))

# this returns a value e.g.: 0.06608957
univar_regr_beta(df[0], srs)

# and this returns a rolling sum dataframe
df.rolling(5, 5).apply(np.sum)

# but this breaks when attemp to get rolling beta
df.rolling(5, 5).apply(lambda x: univar_regr_beta(x, srs))

具体而言，我得到的例外情况如下：

AttributeError: 'numpy.ndarray' object has no attribute 'as_matrix'

看起来，当每个列通过lambda传递到univar_regr_beta时，它是作为一个凹凸数组而不是一个序列传递的。我不确定是否有更好的方法来实现滚动测试，或者我只是错过了一些东西

---

感谢您的帮助。谢谢

您不需要行

Y，X=Y.as_matrix（），X.as_matrix（）

。只需使用

x

和

y

，让函数解决容器问题。您的代码中有一个更突出的问题。

lambda

参数

x

有5个元素（因为这是窗口大小）。在

univar\u regr\u beta

中的

X

也是如此。但是

srs

有20个项目，

Y

也有20个项目。如果

x

和

y

的长度不同，则无法构建

sm.OLS

模型。谢谢@DYZ。关于回归过程中x和y的长度差异，我实际上尝试了在使用univar_regr_beta进行回归之前，将x和y重新索引到它们的索引的交点，但出于同样的原因，我不能——来自lambda的y var不是熊猫对象，而是numpy数组。我还尝试删除as_矩阵，但由于上述原因仍然没有成功。您是否有更好的建议，可以为一个数据帧的每一列计算一个单独系列的滚动beta？在韦斯的书中，我相信他使用了OLS，但我敢肯定，这一点现在已经被弃用了。