Python 如何计算群组中的滚动相关系数？

给定一个数据帧，在groupby中，如何计算N个时段（5）特定列的滚动相关系数

我的尝试，我觉得我很接近，但错过了一些简单的

使用Corr

df['cor'] = df.groupby('DIMENSION').val1.apply(lambda x: x.rolling(window=5).corr())

使用另一个堆栈溢出建议

df['cor'] = df.groupby('DIMENSION').val1.apply(lambda x: x.rolling(window=5).corr()[df'val1']df['index'])

尝试使用默认值

df['cor'] = df.groupby('DIEMNSION').val1.apply(lambda x: x.rolling(window=5).corrwith())

数据帧：

Dimension,Val1,Index
A,15677,0
A,19191,1
A,19961,2
A,10004,3
A,17899,4
A,10933,5
A,12953,6
A,19431,7
A,17637,8
A,13310,9
A,10113,10
A,19108,11
A,17169,12
A,13859,13
A,11466,14
A,13673,15
A,15049,16
B,14996,17
B,17679,18
B,12944,19
C,19927,20
C,10659,21
C,14561,22
C,18842,23
C,13784,24
C,14562,25
C,10145,26

让我们试试这个：

def mytrans(x):
    return pd.DataFrame(x['Val1'].rolling(window=5).corr(x['Index']))

df['corr'] = df.groupby('Dimension')[['Val1','Index']].apply(mytrans)

df

让我们试试这个：

def mytrans(x):
    return pd.DataFrame(x['Val1'].rolling(window=5).corr(x['Index']))

df['corr'] = df.groupby('Dimension')[['Val1','Index']].apply(mytrans)

df

---

你和什么相关？指数，我只需要数据的R平方，在一组均匀间隔的时间内。这是线性回归的精确性，你和什么相关？指数，我只需要数据的R平方和均匀间隔的时间集。这是线性回归的精确性这是完美的！这太完美了！