पांडस

Question

में रिकर्सिव परिभाषाएं मेरे पास समय-श्रृंखला A कई मान रखती है।

B[t] = a * A[t] + b * B[t-1] 

जहाँ हम B[0] = 0 मान सकते हैं, और a और b वास्तविक संख्याएं हैं: मैं एक श्रृंखला B कि बीजगणित परिभाषित किया गया है इस प्रकार प्राप्त करने के लिए की जरूरत है।

क्या पांडस में इस प्रकार की पुनरावर्ती गणना करने का कोई तरीका है? या क्या मेरे पास पाइथन में लूप करने के अलावा कोई विकल्प नहीं है जैसा कि this answer में सुझाया गया है?

इनपुट का एक उदाहरण के रूप में:

> A = pd.Series(np.random.randn(10,)) 

0 -0.310354 
1 -0.739515 
2 -0.065390 
3 0.214966 
4 -0.605490 
5 1.293448 
6 -3.068725 
7 -0.208818 
8 0.930881 
9 1.669210 

Answer 1

जैसा कि मैंने एक टिप्पणी में बताया गया है, आप scipy.signal.lfilter उपयोग कर सकते हैं। इस मामले में (यह मानते हुए A एक आयामी numpy सारणी है), आप सभी की जरूरत है:

import numpy as np 
from scipy.signal import lfilter 


np.random.seed(123) 

A = np.random.randn(10) 
a = 2.0 
b = 3.0 

# Compute the recursion using lfilter. 
# [a] and [1, -b] are the coefficients of the numerator and 
# denominator, resp., of the filter's transfer function. 
B = lfilter([a], [1, -b], A) 

print B 

# Compare to a simple loop. 
B2 = np.empty(len(A)) 
for k in range(0, len(B2)): 
    if k == 0: 
     B2[k] = a*A[k] 
    else: 
     B2[k] = a*A[k] + b*B2[k-1] 

print B2 

print "max difference:", np.max(np.abs(B2 - B)) 

स्क्रिप्ट का आउटपुट है:

[ -2.17126121e+00 -4.51909273e+00 -1.29913212e+01 -4.19865530e+01 
    -1.27116859e+02 -3.78047705e+02 -1.13899647e+03 -3.41784725e+03 
    -1.02510099e+04 -3.07547631e+04] 
[ -2.17126121e+00 -4.51909273e+00 -1.29913212e+01 -4.19865530e+01 
    -1.27116859e+02 -3.78047705e+02 -1.13899647e+03 -3.41784725e+03 
    -1.02510099e+04 -3.07547631e+04] 
max difference: 0.0 

B = lfilter([a], [1.0, -b], A) 

यहां एक संपूर्ण स्क्रिप्ट है

---

एक और उदाहरण, आईपीथॉन में, एक अंडाकार सरणी के बजाय एक पांडा डेटाफ्रेम का उपयोग करके:

आप

In [12]: df = pd.DataFrame([1, 7, 9, 5], columns=['A']) 

In [13]: df 
Out[13]: 
    A 
0 1 
1 7 
2 9 
3 5 

है और आप एक नया स्तंभ, B, ऐसी है कि B[k] = A[k] + 2*B[k-1] (के < 0 के लिए B[k] == 0 के साथ), आप

In [14]: df['B'] = lfilter([1], [1, -2], df['A'].astype(float)) 

In [15]: df 
Out[15]: 
    A B 
0 1 1 
1 7 9 
2 9 27 
3 5 59 

यहाँ