Skip to main content
 首页 » 编程设计

Python/ Pandas 表

2024年10月25日14lyhabc

首先:感谢您迄今为止的大力帮助!我对在 iPython 中使用表格格式有疑问。

我目前运行此脚本来打印 Augmented Dickey-Fuller (ADF) 平稳性检验:

print "Stationarity" 
print sm.tsa.stattools.adfuller(df['temperature'], maxlag=None, autolag='BIC', regression='c') 

输出是这样的:

Stationarity 
(-6.4532219513246361, 1.5054094590984612e-08, 0, 41, {'5%': -2.9351348158036012, '1%': -3.6009833671885199, '10%': -2.6059629803688282}, 1227.2605520289471*) 

*(不确定这个值是多少 Link to Documentation )

现在,我的问题是:

  1. 如何自动计算多个变量?是否可以创建一个包含不同列的列表 (df['variable1'], df['variable1'], df['variable1'], df['variable1'], ...) 应用 ADF 测试每一项?

  2. 如何将返回数据放入表结构中?像这样:

ADF 测试

Variable      nobs  t-test  p-value                     1%       5%      10% 
temperature     41  6.4532  1.5054094590984612e-08  -3.600  -2.9351  -2.6059 
variable 2     ... 
variable 3     ... 

(顺便提一下:“1.5054094590984612e-08”如何转换成准确的数字?)

感谢您的支持!

请您参考如下方法:

所以我基本上敲了一些虚拟数据,基本上我为每个 col 构建一个 dict 来存储 adf 测试结果,然后为每个结果构建一个 df:

In [12]: 
 
df = pd.DataFrame(index = pd.date_range(start=dt.datetime(2014,1,1), end = dt.datetime(2014,6,1))) 
import statsmodels.tsa.stattools as ts 
df['a'] = np.random.randint(0,30,len(df.index)) 
df['b'] = np.random.randint(0,30,len(df.index)) 
​ 
result={} 
for col in df: 
    result[col] = ts.adfuller(df[col], maxlag=None, autolag='BIC', regression='c') 
result 
Out[12]: 
{'a': (-14.5378299332063, 
  5.2041541962613174e-27, 
  0, 
  151, 
  {'1%': -3.4744158894942156, 
   '10%': -2.5770812758212358, 
   '5%': -2.8808783827710589}, 
  983.29106640612281), 
 'b': (-12.247140023284922, 
  9.7254933298555022e-23, 
  0, 
  151, 
  {'1%': -3.4744158894942156, 
   '10%': -2.5770812758212358, 
   '5%': -2.8808783827710589}, 
  983.89321857804237)} 
In [29]: 
 
df_result = pd.DataFrame() 
​ 
for k,v in result.items(): 
    df_result = df_result.append(pd.DataFrame( 
            data={'nobs':v[3], 't-test':v[0], 'p-value':v[1], '1%':v[4]['1%'], '5%':v[4]['5%'], '10%':v[4]['10%']}, 
            index=[k])) 
df_result.index.name = 'temperature' 
df_result 
Out[29]: 
                   1%       10%        5%  nobs       p-value    t-test 
temperature                                                             
a           -3.474416 -2.577081 -2.880878   151  5.204154e-27 -14.53783 
b           -3.474416 -2.577081 -2.880878   151  9.725493e-23 -12.24714