在熊猫df python中滚动计算坡度

Question

我有一个数据框：

            CAT         ^GSPC
Date        
2012-01-06  80.435059   1277.810059
2012-01-09  81.560600   1280.699951
2012-01-10  83.962914   1292.079956
....
2017-09-16  144.56653   2230.567646

并且我想找到每个时期最近63天的股票/和S＆P指数的斜率。我试过了：

x = 0
temp_dct = {}
for date in df.index:
      x += 1
      max(x, (len(df.index)-64))    
      temp_dct[str(date)] = np.polyfit(df['^GSPC'][0+x:63+x].values, 
                                     df['CAT'][0+x:63+x].values, 
                                     1)[0]

但是，我觉得这是非常“不可思议的”，但是在将滚动/移位功能集成到其中时遇到了麻烦。

我的预期输出是在所有可用日期中都有一个名为“ Beta”的列，该列具有标准普尔（x值）和股票（y值）的斜率

Answer 1

# this will operate on series
def polyf(seri):
    return np.polyfit(seri.index.values, seri.values, 1)[0]

# you can store the original index in a column in case you need to reset back to it after fitting
df.index = df['^GSPC']
df['slope'] = df['CAT'].rolling(63, min_periods=2).apply(polyf, raw=False)

运行此命令后，将在新列中存储拟合结果。