将函数应用于数据帧列

我有一个数据框如下。我想将一个已定义的函数（hurst（））应用于每列（将时间序列作为参数），然后将结果输出到另一个数据帧。将函数应用于数据帧列

def hurst(ts): 
    #returns the Hurst Exponent of the time series vector ts 

    # Create the range of lag values 
    lags = range (1,5) 

    # Calculate the array of the variances of the lagged differences 
    tau = [sqrt(std(subtract(ts[lag:], ts[:-lag]))) for lag in lags] 

    # Use a linear fit to estimate the Hurst Exponent 
    poly = polyfit(log(lags), log(tau), 1) 

    # Return the Hurst exponent from the polyfit output 

    return poly[0]*2.0

如何从这个

得到

完整的数据帧都有一个1Y申历史，并继续E，F等

来源

2017-04-11 S.Peters

'df.sum（）'有什么问题？这将有助于准确定义你的问题，因为这个简单的例子已经有了答案 – EdChum

是的。看看'apply' df.apply（yourFunction），无论是按列还是按行（不推荐）。 –

我的功能在下面，但使用df.apply（hurst，axis = 1）我得到a你不能改变数组错误的一部分。 DEF赫斯特（TS）： #returns的时间序列矢量的Hurst指数TS ＃创建滞后的范围内的值滞后=范围（2,50）＃计算滞后的方差的阵列差异＃使用线性拟合来估计Hurst指数 poly = polyfit（log（t（t）（std（减去（ts [lag：]，ts [： - lag]）））对于滞后滞后] ＃ 1）＃从polyfit输出中返回Hurst指数 return poly [0] * 2.0 –

让我们试试：

def hurst(ts): 
    #returns the Hurst Exponent of the time series vector ts 

    # Create the range of lag values 
    lags = range (1,5) 

    # Calculate the array of the variances of the lagged differences 
    tau = [sqrt(std(subtract(ts[lag:], ts[:-lag]))) for lag in lags] 

    # Use a linear fit to estimate the Hurst Exponent 
    poly = polyfit(log(lags), log(tau), 1) 

    # Return the Hurst exponent from the polyfit output 

    return poly[0]*2.0 

df[list('ABCD')].apply(hurst)

来源

2017-04-11 21:39:48

将函数应用于数据帧列

回答

相关问题