一种人工种植数据的方法

Question

所以，我有一个年索引数据，我想用一些逻辑在年底(2013)之后增加，比如说，将最后的值增长n%，在10年内，但是逻辑也可以是添加一个常数，或者稍微增长的数字。我会把它留给一个函数，然后把逻辑塞进去。

我想不出一种用任意时间和逻辑来实现这一点的简洁的矢量化方法，留下了一个更长的数据空间，并添加了额外的增量，而且我更不喜欢循环它。

Answer 1

具体的计算很重要。通常，您必须计算循环中的值。但是，一些NumPy实用程序(如np.add、np.multiply、np.minimum、np.maximum)有一个方法，这可能会根据计算的不同而有用。

例如，要计算给定恒定增长率的值，可以使用np.multiply.accumulate (或cumprod)：

import numpy as np
import pandas as pd
N = 10
index = pd.date_range(end='2013-12-31', periods=N, freq='D')
df = pd.DataFrame({'val':np.arange(N)}, index=index)
last = df['val'][-1]
#             val
# 2013-12-22    0
# 2013-12-23    1
# 2013-12-24    2
# 2013-12-25    3
# 2013-12-26    4
# 2013-12-27    5
# 2013-12-28    6
# 2013-12-29    7
# 2013-12-30    8
# 2013-12-31    9

# expand df
index = pd.date_range(start='2014-1-1', periods=N, freq='D')
df = df.reindex(df.index.union(index))

# compute new values
rate = 1.1
df['val'][-N:] = last*np.multiply.accumulate(np.full(N, fill_value=rate))

收益率

                  val
2013-12-22   0.000000
2013-12-23   1.000000
2013-12-24   2.000000
2013-12-25   3.000000
2013-12-26   4.000000
2013-12-27   5.000000
2013-12-28   6.000000
2013-12-29   7.000000
2013-12-30   8.000000
2013-12-31   9.000000
2014-01-01   9.900000
2014-01-02  10.890000
2014-01-03  11.979000
2014-01-04  13.176900
2014-01-05  14.494590
2014-01-06  15.944049
2014-01-07  17.538454
2014-01-08  19.292299
2014-01-09  21.221529
2014-01-10  23.343682

若要以常量值递增，只需使用np.arange

step=2
df['val'][-N:] = np.arange(last+step, last+(N+1)*step, step)

或cumsum

step=2
df['val'][-N:] = last + np.full(N, fill_value=step).cumsum()

一些线性递推关系可以用scipy.signal.lfilter表示。例如，参见尝试用numpy矢量化迭代计算和Pandas中的递归定义