如何对滚动熊猫数据帧的子集进行规范化？

Question

所以我有一个满是股票行情的数据框架。他们是MultiIndexed by ticker，然后是date。我想要做的是，只对该数据子集的一个指标列进行标准化。例如，我想让A只根据滚动报价器A对ind1的滚动Zscore上的数据进行标准化，然后对报价器B进行同样的标准化，以此类推。我能够迭代地将这种标准化应用于数据帧的切片，但我正在寻找一种方法来轻松地应用这种滚动标准化，而不是按滚动条切片。

这是我正在使用的Zscore规范化，但我希望将其应用于数据帧中的每个节拍器子集，而无需切片，然后重新附加到新的数据帧。

df['normalizedInd1'] = (df['ind1'] - df['ind1'].rolling(30).mean()) / df['ind1'].rolling(30).std()

这是数据帧结构的一个示例

                  secid       ind1       ind2
ticker  date            
A   2011-01-03  101149.0    100792.5533  177960.0
    2011-01-04  101149.0    127658.3339  304624.0
    2011-01-05  101149.0    122648.9491  77050.0
B   2011-01-06  101150.0    110161.8415  151825.0
    2011-01-10  101150.0    112800.4117  378804.0
    2011-01-11  101150.0    79074.8645   525628.0

Answer 1

您可以尝试使用level=0或ticker来.groupby索引的第一列吗？然后，使用.groupby object g按组进行计算。我已从rolling(30)更改为rolling(2)，因此会有以下输出：

g = df.groupby(level=0)['ind1'].rolling(2)
df['normalizedInd1'] = (df['ind1'] - g.mean().droplevel(0)) / g.std().droplevel(0)
df
Out[1]: 
                      secid         ind1      ind2  normalizedInd1
ticker date                                                       
A      2011-01-03  101149.0  100792.5533  177960.0             NaN
       2011-01-04  101149.0  127658.3339  304624.0        0.707107
       2011-01-05  101149.0  122648.9491   77050.0       -0.707107
B      2011-01-06  101150.0  110161.8415  151825.0             NaN
       2011-01-10  101150.0  112800.4117  378804.0        0.707107
       2011-01-11  101150.0   79074.8645  525628.0       -0.707107