在Python中尝试使用Split-Apply-Combine范例时,我注意到了一些奇怪的行为-变量x
的长度不正确!你知道吗
我要完成的工作概述:
对于第一组,计算是完美的!然而,在第二个组中,它似乎在切片数据帧时继承了前一个变量的长度-为什么会这样?正如您从代码和提供的调试中所看到的,我试图确定问题,但看不到它,任何帮助都将不胜感激!你知道吗
函数调用:
data_nasdaq_top_100_preprocessed_mi_res = sentisignal.split_apply_combine(data_nasdaq_top_100_preprocessed_merge, 'SYMBOL', sentisignal.information_surplus, 10, 'PCA_SENTIMENT', 'PCA_FINANCE', -1, True)
调试(和发布):
第一组:
['AAL'] exante True
len(df.index) 928
shift_x length 928
len(x.index) 927 len(x) 927 end_index 927
len(x) 927
doane 927
success
第二组:
['AAPL'] exante True
len(df.index) 1006
shift_x length 1006
len(x.index) 78 len(x) 78 end_index 1005
len(x) 78
doane 78
success
这就是问题所在——由于某种原因,x
的长度减少到了78(应该是1005!),神秘地1006-928=78(第一组长度-第二组长度)
代码:
拆分应用合并方法
def split_apply_combine(df, key, func, *args):
# print "args:", args
return df.groupby(key).apply(func, *args)
信息剩余法(带调试)
def information_surplus(df, time_shift, varx, vary, bins, exante):
print df.SYMBOL.unique(), "exante ", exante
output = []
if exante:
shift_range = range(0, -(time_shift+1), -1)
else:
shift_range = range(0, time_shift+1)
print "len(df.index)", len(df.index)
for i in shift_range:
if abs(i) > len(df.index):
break
shift_x = df[varx].shift(i)
print "shift_x length", len(shift_x)
if exante:
end_index = (len(shift_x.index) - 1 - abs(i))
x = shift_x.ix[1:end_index]
y = df[vary].ix[1:end_index]
print "len(x.index)", len(x.index), "len(x)", len(x), "end_index", end_index
else:
print "exec"
x = shift_x.ix[1+abs(i):]
y = df[vary].ix[1+abs(i):]
mi = calc_mutual_information(x, y, bins)
if i == 0:
mi_origin = mi
if mi_origin == 0:
inf_surp_pct = 0
else:
inf_surp_pct = (mi - mi_origin) / mi_origin * 100
output.append({'SHIFT': i, 'MUTUAL_INFORMATION': mi, 'INFORMATION_SURPLUS_DIFF': mi - mi_origin, 'INFORMATION_SURPLUS_PCT': inf_surp_pct})
output_frame = pd.DataFrame(output)
return output_frame
互信息法
def calc_mutual_information(x, y, bins):
print "len(x)", len(x)
try:
if bins == -1:
bins = doane_bin(x)
if bins == np.inf:
bins = sturges_bin(x)
except ValueError:
bins = 10.0
# print "bins", bins
try:
c_xy = np.histogram2d(x, y, bins)[0]
mi = metrics.mutual_info_score(None, None, contingency=c_xy)
print "success"
except Exception,e:
print "error with mi calc", str(e)
mi = 0
return mi
这起作用了:
更新没有
.ix
的剩余信息,我已经更新了问题标题,试图反映这一点,并将很高兴接受一个解释的答案!你知道吗更新的方法:
相关问题 更多 >
编程相关推荐