我有一个长度为1442的列表。列表中的每个元素都是一个列表,每个元素包含10个数据点。我必须计算每个可能的2个长组合的相关性,然后找到最相关的组。
import pandas as pd
import numpy as np
import datetime
import math
import itertools
import matplotlib.pyplot as plt
pd.set_option('display.max_rows', 50)
pd.set_option('display.max_columns', 50)
df_15m = pd.read_csv(r'.../USDT_BTC 15-Minute.csv')
df_15m.head()
df_15m['date'] = df_15m['date'].apply(lambda x:
datetime.datetime.fromtimestamp(x).strftime('%Y-%m-%d %H:%M:%S'))
df_15m['day'] = df_15m['date'].apply(lambda x:
datetime.datetime.strptime(x,'%Y-%m-%d %H:%M:%S').strftime('%Y-%m-%d'))
df_15m.set_index('date',inplace=True)
df_15m.index = pd.to_datetime(df_15m.index)
del df_15m.index.name
t = [0]
for i in range(len(df_15m)-1):
p1 = df_15m.iloc[i+1]['weightedAverage']
p0 = df_15m.iloc[i]['weightedAverage']
t.append(math.log(p1/p0))
df_15m['BVOL15M_INDEX'] = t
by_day_vol =
pd.DataFrame(df_15m['BVOL15M_INDEX'].resample('H').std()*math.sqrt(24))
by_day_price = pd.DataFrame(df_15m['weightedAverage'].resample('H').mean())
res = pd.merge(by_day_price, by_day_vol, left_index=True, right_index=True)
#creating subsets with 10 data points
df_ = res[:-6]
n = 10
list_df = [df_['BVOL15M_INDEX'][i:i+n] for i in range(0, df_.shape[0], n)]
l = []
for subset in itertools.combinations(list_df, 2):
corrcoef = np.corrcoef(subset[0], subset[1])[1,0]
l.append(corrcoef)
l包含所有可能组合的相关性。我想创建一个矩阵,其中ixj位置包含list_df中相应组的相关性。对于最终结果,我应该能够对相关的时段进行分组。
有人可以帮助我,还是给我一个更简单的解决方案?
谢谢!
好吧,我使用了不同的方法。解决方案是:
df = pd.DataFrame()
n = 1
for i in range(len(list_df)):
l = []
for j in range(n, len(list_df)):
corrcoef = np.corrcoef(list_df[i], list_df[j])[1][0]
if corrcoef > 0.7: #adjustable threshold
l.append(j)
df_ = pd.DataFrame(data=l, columns=[str(i)])
df = pd.concat([df,df_], axis=1)
n+=1
这样我得到一个DataFrame每列包含相关子集的索引。