सबसे हाल का अधिकतम/मिनट मूल्य

Question

मैं निम्नलिखित dataframe है:

date   value 
2014-01-20 10 
2014-01-21 12 
2014-01-22 13 
2014-01-23 9 
2014-01-24 7 
2014-01-25 12 
2014-01-26 11 

मैं जब नवीनतम अधिकतम और न्यूनतम मूल्य एक विशिष्ट रोलिंग खिड़की के भीतर हुई नज़र रखने के लिए सक्षम होना चाहिए। उदाहरण के लिए अगर मैं 5 की एक रोलिंग खिड़की अवधि का उपयोग करने के लिए गए थे, तो मैं निम्नलिखित की तरह एक आउटपुट की आवश्यकता होगी:

date   value rolling_max_date rolling_min_date 
2014-01-20 10  2014-01-20   2014-01-20 
2014-01-21 12  2014-01-21   2014-01-20 
2014-01-22 13  2014-01-22   2014-01-20 
2014-01-23 9  2014-01-22   2014-01-23 
2014-01-24 7  2014-01-22   2014-01-24 
2014-01-25 12  2014-01-22   2014-01-24 
2014-01-26 11  2014-01-25   2014-01-24 

सभी इस से पता चलता है, नवीनतम अधिकतम की तारीख और न्यूनतम मूल्य रोलिंग के भीतर क्या है खिड़की। मुझे पता है कि पांडा में rolling_min और rolling_max है, लेकिन मुझे यकीन नहीं है कि विंडो के भीतर सबसे हालिया अधिकतम/मिनट होने पर इंडेक्स/दिनांक का ट्रैक कैसे रखा जाए।

Answer 1

एक अधिक सामान्य rolling_apply जहाँ आप अपने समारोह प्रदान कर सकते हैं नहीं है। हालांकि, कस्टम फ़ंक्शंस विंडोज़ को सरणी के रूप में प्राप्त करता है, डेटाफ्रेम नहीं, इसलिए अनुक्रमणिका जानकारी उपलब्ध नहीं है (इसलिए आप idxmin/max का उपयोग नहीं कर सकते हैं)।

लेकिन दो चरणों में इस लक्ष्य को हासिल करने की कोशिश कर सकते हैं:

In [41]: df = df.set_index('date') 
In [42]: pd.rolling_apply(df, window=5, func=lambda x: x.argmin(), min_periods=1) 
Out[42]: 
      value 
date 
2014-01-20  0 
2014-01-21  0 
2014-01-22  0 
2014-01-23  3 
2014-01-24  4 
2014-01-25  3 
2014-01-26  2 

यह आपको खिड़की जहां न्यूनतम पाया जाता है में सूचकांक देता है। लेकिन, यह सूचकांक उस विशेष विंडो के लिए है, न कि पूरे डेटाफ्रेम के लिए। तो चलो खिड़की के शुरू होने से जोड़ने के लिए, और उसके बाद सही सूचकांक स्थानों सूचकांक को पुनः प्राप्त करने के लिए इस पूर्णांक स्थान का उपयोग करते हैं:

ilocs_window = pd.rolling_apply(df, window=5, func=lambda x: x.argmax(), min_periods=1) 
ilocs = ilocs_window['value'] + ([0, 0, 0, 0] + range(len(ilocs_window)-4)) 
df['rolling_max_date'] = df.index.take(ilocs) 

:

In [45]: ilocs_window = pd.rolling_apply(df, window=5, func=lambda x: x.argmin(), min_periods=1) 

In [46]: ilocs = ilocs_window['value'] + ([0, 0, 0, 0] + range(len(ilocs_window)-4)) 

In [47]: ilocs 
Out[47]: 
date 
2014-01-20 0 
2014-01-21 0 
2014-01-22 0 
2014-01-23 3 
2014-01-24 4 
2014-01-25 4 
2014-01-26 4 
Name: value, dtype: float64 

In [48]: df.index.take(ilocs) 
Out[48]: 
Index([u'2014-01-20', u'2014-01-20', u'2014-01-20', u'2014-01-23', 
     u'2014-01-24', u'2014-01-24', u'2014-01-24'], 
     dtype='object', name=u'date') 

In [49]: df['rolling_min_date'] = df.index.take(ilocs) 

In [50]: df 
Out[50]: 
      value rolling_min_date 
date 
2014-01-20  10  2014-01-20 
2014-01-21  12  2014-01-20 
2014-01-22  13  2014-01-20 
2014-01-23  9  2014-01-23 
2014-01-24  7  2014-01-24 
2014-01-25  12  2014-01-24 
2014-01-26  11  2014-01-24 

समान अधिकतम के लिए किया जा सकता है

Answer 2

यहां एक कामकाज है।

import pandas as pd 
import numpy as np 

# sample data 
# =============================================== 
np.random.seed(0) 
df = pd.DataFrame(np.random.randint(1,30,20), index=pd.date_range('2015-01-01', periods=20, freq='D'), columns=['value']) 
df 

      value 
2015-01-01  13 
2015-01-02  16 
2015-01-03  22 
2015-01-04  1 
2015-01-05  4 
2015-01-06  28 
2015-01-07  4 
2015-01-08  8 
2015-01-09  10 
2015-01-10  20 
2015-01-11  22 
2015-01-12  19 
2015-01-13  5 
2015-01-14  24 
2015-01-15  7 
2015-01-16  25 
2015-01-17  25 
2015-01-18  13 
2015-01-19  27 
2015-01-20  2 

# processing 
# ========================================== 
# your cumstom function to track on max/min value/date 
def track_minmax(df): 
    return pd.Series({'current_date': df.index[-1], 'rolling_max_val': df['value'].max(), 'rolling_max_date': df['value'].idxmax(), 'rolling_min_val': df['value'].min(), 'rolling_min_date': df['value'].idxmin()}) 

window = 5 
# use list comprehension to do the for loop 
pd.DataFrame([track_minmax(df.iloc[i:i+window]) for i in range(len(df)-window+1)]).set_index('current_date').reindex(df.index) 

      rolling_max_date rolling_max_val rolling_min_date rolling_min_val 
2015-01-01    NaT    NaN    NaT    NaN 
2015-01-02    NaT    NaN    NaT    NaN 
2015-01-03    NaT    NaN    NaT    NaN 
2015-01-04    NaT    NaN    NaT    NaN 
2015-01-05  2015-01-03    22  2015-01-04    1 
2015-01-06  2015-01-06    28  2015-01-04    1 
2015-01-07  2015-01-06    28  2015-01-04    1 
2015-01-08  2015-01-06    28  2015-01-04    1 
2015-01-09  2015-01-06    28  2015-01-05    4 
2015-01-10  2015-01-06    28  2015-01-07    4 
2015-01-11  2015-01-11    22  2015-01-07    4 
2015-01-12  2015-01-11    22  2015-01-08    8 
2015-01-13  2015-01-11    22  2015-01-13    5 
2015-01-14  2015-01-14    24  2015-01-13    5 
2015-01-15  2015-01-14    24  2015-01-13    5 
2015-01-16  2015-01-16    25  2015-01-13    5 
2015-01-17  2015-01-16    25  2015-01-13    5 
2015-01-18  2015-01-16    25  2015-01-15    7 
2015-01-19  2015-01-19    27  2015-01-15    7 
2015-01-20  2015-01-19    27  2015-01-20    2