基于数据帧中数字连续出现的条件概率计算
问题描述
我有一个数据框,它有一个多索引(股票代码和日期),其中有一列对每只股票进行计数,在每一行中,1或0在"Dummy&Quot;"列中出现了多少次。我有一个下面的示例。
df = pd.DataFrame( {
'stock': ['AAPL', 'AAPL', 'AAPL','AAPL', 'MSFT', 'MSFT','MSFT', 'MSFT'],
'datetime': ['2015-01-02', '2015-01-03', '2015-01-04', '2015-01-05', '2015-01-02', '2015-01-03', '2015-01-04', '2015-01-05'],
'Dummy': [0, 0, 1, 1, 1,1, 0, 1],
'Counter': [-1, -2, 1, 2, 1, 2, -1, 1]})
df['datetime'] = pd.to_datetime(df['datetime'])
df.set_index(['stock', 'datetime'], inplace =True)
我想计算一个条件概率(对于每个数字),它回答了这个问题:
假设我在计数器列中观察到一行带有1,那么它后面跟着2的次数是多少,后面跟-1的次数是多少。
在上面的示例中,有3个1的实例。最后一个后面没有任何内容,所以应该忽略它,所以从技术上讲只有2个实例。这两个参数后面都跟有2,因此1的输出应该如下所示:result = pd.DataFrame( {
'cond prob': ['1', '2', '-1','-2'],
'1': [0, 2, 0,0],
'2': [0, 0, 1,0],
'-1': [1, 0, 0, 1],
'-2': [1, 0, 0, 0]})
result.set_index(['cond prob',], inplace =True)
基本上,我想知道每个号码有多少次
后跟任何其他数字(按库存分组)。
此问题是与此帖子相关的后续问题:
Counting the number of consecutive occurences of numbers in dataframe with multi index daily data
解决方案
我们可以groupby
和shift
Counter
列,然后使用crosstab
创建频率表来统计某个数字后面紧跟其他数字的次数
table = pd.crosstab(df['Counter'], df.groupby(level=0)['Counter'].shift(-1))
>>> table
Counter -2.0 -1.0 1.0 2.0
Counter
-2 0 0 1 0
-1 1 0 1 0
1 0 0 0 2
2 0 1 0 0
如果您还需要计算概率,我们可以先使用values_counts
计算总的可能结果,然后将有利结果除以所有可能的结果
probs = table.div(df['Counter'].value_counts(), axis=0)
>>> probs
Counter -2.0 -1.0 1.0 2.0
-2 0.0 0.0 1.0 0.000000
-1 0.5 0.0 0.5 0.000000
1 0.0 0.0 0.0 0.666667
2 0.0 0.5 0.0 0.000000
相关文章