Блог

У меня есть две функции:

1. Сначала (z_score) для вычисления скользящих значений z-score с учетом столбца df
2. Второй (z_score_cum) для вычисления кумулятивного z-score без предвзятости

 
# rolling z_score
def z_score(df, window):
    val_column = df.columns[0]
    col_mean = df[val_column].rolling(window=window).mean()
    col_std = df[val_column].rolling(window=window).std()
    df['zscore'   '_'  str(window) 'D'] = (df[val_column] - col_mean)/col_std
    return df

# cumulative z_score
def z_score_cum(data_frame):
    # calculating length of original data frame to standardize
    len_ = len(data_frame)
    # storing column name amp; making a copy of data frame
    val_column  = data_frame.columns[0]
    data_frame_standardized_final = data_frame.copy()
    # calculating statistics
    data_frame_standardized_final['mean_past'] = [np.mean(data_frame_standardized_final[val_column][0:lv 1]) for lv in range(0,len_)]
    data_frame_standardized_final['std_past'] = [np.std(data_frame_standardized_final[val_column][0:lv 1]) for lv in range(0,len_)]
    data_frame_standardized_final['z_score_cum'] = (data_frame_standardized_final[val_column] - data_frame_standardized_final['mean_past']) / data_frame_standardized_final['std_past']
    return data_frame_standardized_final[['z_score_cum']]

 

Я хотел бы каким-то образом объединить эти две функции в одну функцию z-score, чтобы, независимо от того, передаю ли я time window в качестве параметра, он вычислял бы z-score на основе window и, кроме того, будет содержать один столбец с кумулятивным z-score. В настоящее время я создаю список временных окон (здесь в днях), которые я передаю в цикле при вызове функции и присоединении к этому дополнительному столбцу отдельно, что, на мой взгляд, не является оптимальным способом обработки.

 d_list = [n * 21 for n in range(1,13)]

df_zscore = df.copy()
for i in d_list:
    df_zscore = z_score(df_zscore, i)
    
    
df_zscore_cum = z_score_cum(df)
df_z_scores = pd.concat([df_zscore, df_zscore_cum], axis=1)
 

В конце концов, я сделал это таким образом:

 def calculate_z_scores(self, list_of_windows, freq_flag='D'):
        """
        Calculates rolling z-scores and cumulative z-scores based on given list
        of time windows

        Parameters
        ----------
        list_of_windows : list
            a list of time windows.
        freq_flag : string
            frequency flag. The default is 'D' (daily)

        Returns
        -------
        data frame
            a data frame with calculated rolling amp; cumulative z-score.
        """
        z_scores_data_frame = self.original_data_frame.copy()
        # get column with values (1st column)
        val_column = z_scores_data_frame.columns[0]
        len_ = len(z_scores_data_frame)
        # calculating statistics for cumulative_zscore
        z_scores_data_frame['mean_past'] = [np.mean(z_scores_data_frame[val_column][0:lv 1]) for lv in range(0,len_)]
        z_scores_data_frame['std_past'] = [np.std(z_scores_data_frame[val_column][0:lv 1]) for lv in range(0,len_)]
        z_scores_data_frame['zscore_cum'] = (z_scores_data_frame[val_column] - z_scores_data_frame['mean_past']) / z_scores_data_frame['std_past']
        # taking care of rolling z_scores
        for i in list_of_windows:
            col_mean = z_scores_data_frame[val_column].rolling(window=i).mean()
            col_std = z_scores_data_frame[val_column].rolling(window=i).std()
            z_scores_data_frame['zscore'   '_'   str(i)  freq_flag] = (z_scores_data_frame[val_column] - col_mean)/col_std
        cols_to_leave = [c for c in z_scores_data_frame.columns if 'zscore' in c]
        self.z_scores_data_frame = z_scores_data_frame[cols_to_leave]
        return self.z_scores_data_frame
 

Просто примечание: это мой метод класса, но после незначительных изменений его можно использовать как отдельную функцию.