在数据帧obj上使用rolling_apply

Question

我正在试着以滚动的方式计算数量加权平均价格。

为此，我有一个函数vwap为我执行此操作，如下所示：

def vwap(bars):
    return ((bars.Close*bars.Volume).sum()/bars.Volume.sum()).round(2)

当我尝试将此函数与rolling_apply一起使用时，如图所示，我得到一个错误：

import pandas.io.data as web
bars = web.DataReader('AAPL','yahoo')
print pandas.rolling_apply(bars,30,vwap)

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

这个错误对我来说很有意义，因为rolling_apply不需要DataSeries或ndarray作为输入，也不需要dataFrame。。我做这件事的方式。

有没有办法使用滚动应用到数据帧来解决我的问题？

Answer 1

修改@mathick的答案以包含na_fill。还要注意，函数f需要返回一个值，这不能返回包含多个列的数据帧。

def rolling_apply_df(dfg, N, f, nn=1, na_fill=True):
    ii = [int(x) for x in np.arange(0, dfg.shape[0] - N + 1, nn)]
    out = [f(dfg.iloc[i:(i + N)]) for i in ii]
    if(na_fill):
        out = pd.Series(np.concatenate([np.repeat(np.nan, N-1),np.array(out)]))
        out.index = dfg.index[::nn]
    else:
        out = pd.Series(out)
        out.index = dfg.index[N-1::nn]
    return(out)

Answer 2

清理后的版本供参考，希望索引正确：

def myrolling_apply(df, N, f, nn=1):
    ii = [int(x) for x in arange(0, df.shape[0] - N + 1, nn)]
    out = [f(df.iloc[i:(i + N)]) for i in ii]
    out = pandas.Series(out)
    out.index = df.index[N-1::nn]
    return(out)

Answer 3

这不是直接启用的，但是您可以这样做

In [29]: bars
Out[29]: 
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 942 entries, 2010-01-04 00:00:00 to 2013-09-30 00:00:00
Data columns (total 6 columns):
Open         942  non-null values
High         942  non-null values
Low          942  non-null values
Close        942  non-null values
Volume       942  non-null values
Adj Close    942  non-null values
dtypes: float64(5), int64(1)

window=30

In [30]: concat([ (Series(vwap(bars.iloc[i:i+window]),
                      index=[bars.index[i+window]])) for i in xrange(len(df)-window) ])
Out[30]: 
2010-02-17    203.21
2010-02-18    202.95
2010-02-19    202.64
2010-02-22    202.41
2010-02-23    202.19
2010-02-24    201.85
2010-02-25    201.65
2010-02-26    201.50
2010-03-01    201.31
2010-03-02    201.35
2010-03-03    201.42
2010-03-04    201.09
2010-03-05    200.95
2010-03-08    201.50
2010-03-09    202.02
...
2013-09-10    485.94
2013-09-11    487.38
2013-09-12    486.77
2013-09-13    487.23
2013-09-16    487.20
2013-09-17    486.09
2013-09-18    485.52
2013-09-19    485.30
2013-09-20    485.37
2013-09-23    484.87
2013-09-24    485.81
2013-09-25    486.41
2013-09-26    486.07
2013-09-27    485.30
2013-09-30    484.74
Length: 912