我有一堆股票数据,我正在尝试构建一个数据框,从相关矩阵中提取前两只和尾只股票,以及它们的实际相关性。
假设矩阵 corr
看起来像这样:
A B C D E
A 1.00 0.65 0.31 0.94 0.55
B 0.87 1.00 0.96 0.67 0.41
C 0.95 0.88 1.00 0.72 0.69
D 0.64 0.84 0.99 1.00 0.78
E 0.71 0.62 0.89 0.32 1.00
我想要做的是能够为股票 A、B、C、D 和 E 返回最好的两只相关性最低的股票及其相关性,同时降低每只股票必须具有的明显 1.00 相关性本身。
生成的数据框或任何最容易显示的数据框如下所示:
Stock 1st 1st_Val 2nd 2nd_Val Last Last_Val
A D 0.94 B 0.65 C 0.31
B C 0.96 A 0.87 E 0.41
C A 0.95 B 0.88 E 0.69
D C 0.99 B 0.84 A 0.64
E C 0.89 A 0.71 D 0.32
到目前为止,我已经能够使用 corr[stock].nlargest().index[0:].tolist()
查看并返回相关的股票名称,然后从每个列表中获取 [1]
、[2]
和 [-1]
并将它们粘贴到字典中并从那里构建数据框。但是我无法返回相关值,而且我怀疑我并没有以最有效的方式执行此操作。
非常感谢任何帮助,干杯
最佳答案
您的条件很难归纳为一个命令,但这里是您可以采用的一种方法。
删除对角线
import numpy as np
np.fill_diagonal(corr.values, np.nan)
print(corr)
# A B C D E
#A NaN 0.65 0.31 0.94 0.55
#B 0.87 NaN 0.96 0.67 0.41
#C 0.95 0.88 NaN 0.72 0.69
#D 0.64 0.84 0.99 NaN 0.78
#E 0.71 0.62 0.89 0.32 NaN
查找前 2 列和后列的名称
您可以在 Find names of top-n highest-value columns in each pandas dataframe row 上使用答案获取每一行的前 2 个和后一个值(股票)。
order_top2 = np.argsort(-corr.values, axis=1)[:, :2]
order_bottom = np.argsort(corr.values, axis=1)[:, :1]
result_top2 = pd.DataFrame(
corr.columns[order_top2],
columns=['1st', '2nd'],
index=corr.index
)
result_bottom = pd.DataFrame(
corr.columns[order_bottom],
columns=['Last'],
index=corr.index
)
result = result_top2.join(result_bottom)
# 1st 2nd Last
#A D B C
#B C A E
#C A B E
#D C B A
#E C A D
现在使用 pandas.DataFrame.lookup
为 result
corr
中对应的列值
for x in result.columns:
result[x+"_Val"] = corr.lookup(corr.index, result[x])
print(result)
# 1st 2nd Last 1st_Val 2nd_Val Last_Val
#A D B C 0.94 0.65 0.31
#B C A E 0.96 0.87 0.41
#C A B E 0.95 0.88 0.69
#D C B A 0.99 0.84 0.64
#E C A D 0.89 0.71 0.32
重新排列列(可选)
print(result[['1st', '1st_Val', '2nd', '2nd_Val', 'Last', 'Last_Val']])
# 1st 1st_Val 2nd 2nd_Val Last Last_Val
#A D 0.94 B 0.65 C 0.31
#B C 0.96 A 0.87 E 0.41
#C A 0.95 B 0.88 E 0.69
#D C 0.99 B 0.84 A 0.64
#E C 0.89 A 0.71 D 0.32
关于python - 从 Pandas 中的相关矩阵返回最高和最低相关,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55730173/