Pandas Groupby TimeGrouper и применяют

Question

По состоянию на this вопрос. Это GroupBy работает применительно к моей df для pd.rolling_mean колонки следующим образом:

data['maFast']=data['Last'].groupby(pd.TimeGrouper('d')) 
          .apply(pd.rolling_mean,center=False,win‌​dow=10) 

Как применить ту же логику GroupBy к другому элементу из моих df, который содержит pd.rolling_std и pd.rolling_mean:

data['maSlow_std'] = pd.rolling_mean(data['Last'], window=60) + 
        2* pd.rolling_std(data['Last'], 20, min_periods=20) 

Answer 1

I думаю, вам нужна функция lambda:

data['maSlow_std']=data['Last'].groupby(pd.TimeGrouper('d')) 
           .apply(lambda x: pd.rolling_mean(x, window=60) + 
              2* pd.rolling_std(x, 20, min_periods=20)) 

If pandas версия 0.18.0+:

data['maSlow_std1']=data['Last'].groupby(pd.TimeGrouper('d')) 
           .apply(lambda x: x.rolling(window=60,center=False).mean() + 
               2* x.rolling(window=20,min_periods=20).std()) 

образца с window=10 и min_periods=5:

data['maSlow_std1']=data['Last'].groupby(pd.TimeGrouper('d')) 
           .apply(lambda x: x.rolling(window=10,center=False).mean() + 
               2* x.rolling(window=10,min_periods=5).std()) 

print (data) 

         Open  High  Low  Last Volume maSlow_std1 
Timestamp                 
2014-03-04 09:30:00 1783.50 1784.50 1783.50 1784.50  171   NaN 
2014-03-04 09:31:00 1784.75 1785.75 1784.50 1785.25  28   NaN 
2014-03-04 09:32:00 1785.00 1786.50 1785.00 1786.50  81   NaN 
2014-03-04 09:33:00 1786.00 1786.00 1785.25 1785.25  41   NaN 
2014-03-04 09:34:00 1785.00 1785.25 1784.75 1785.25  11   NaN 
2014-03-04 09:35:00 1785.50 1786.75 1785.50 1785.75  49   NaN 
2014-03-04 09:36:00 1786.00 1786.00 1785.25 1785.75  12   NaN 
2014-03-04 09:37:00 1786.00 1786.25 1785.25 1785.25  15   NaN 
2014-03-04 09:38:00 1785.50 1785.50 1784.75 1785.25  24   NaN 
2014-03-04 09:39:00 1785.50 1786.00 1785.25 1785.25  13 1786.432796 
2014-03-04 09:40:00 1786.00 1786.25 1783.50 1783.75  28 1786.700379 
2014-03-04 09:41:00 1784.00 1785.00 1784.00 1784.25  12 1786.760687 
2014-03-04 09:42:00 1784.25 1784.75 1784.00 1784.25  18 1786.354006 
2014-03-04 09:43:00 1784.75 1785.00 1784.50 1784.50  10 1786.300379 
2014-03-04 09:44:00 1784.25 1784.25 1783.75 1784.00  32 1786.268181 
2014-03-04 09:45:00 1784.50 1784.75 1784.50 1784.75  11 1786.008094 
2014-03-04 09:46:00 1785.00 1785.00 1784.50 1784.50  11 1785.656409 
2014-03-04 09:47:00 1785.00 1785.75 1784.75 1785.75  20 1785.877775 
2014-03-04 09:48:00 1785.75 1786.00 1785.75 1786.00  17 1786.186981 
2014-03-04 09:49:00 1786.00 1786.50 1785.75 1786.00  13 1786.449150 
2014-03-04 09:50:00 1786.50 1788.75 1786.25 1788.50  307 1787.988613 
2014-03-04 09:51:00 1788.25 1788.25 1787.75 1787.75  17 1788.647768 
2014-03-04 09:52:00 1787.75 1787.75 1787.25 1787.25  11 1788.947768 
2014-03-04 09:53:00 1787.25 1787.50 1787.25 1787.25  11 1789.156890 
2014-03-04 09:54:00 1787.00 1787.50 1786.75 1786.75  26 1789.019047 
2014-03-04 09:55:00 1787.25 1788.25 1787.25 1788.00  11 1789.206849