Eu estava motivado para usar pandasrolling para executar uma regressão multifatorial contínua (esta pergunta éNÃO sobre rolagem de regressão multifatorial). Eu esperava que eu fosse capaz de usarapply após umdf.rolling(2) e pegue a resultantepd.DataFrame extrair o ndarray com.values e execute a multiplicação de matrizes necessária. Não funcionou dessa maneira.

Aqui está o que eu encontrei:

import pandas as pd
import numpy as np

np.random.seed([3,1415])
df = pd.DataFrame(np.random.rand(5, 2).round(2), columns=['A', 'B'])
X = np.random.rand(2, 1).round(2)

Como são os objetos:

print "\ndf = \n", df
print "\nX = \n", X
print "\ndf.shape =", df.shape, ", X.shape =", X.shape

df = 
      A     B
0  0.44  0.41
1  0.46  0.47
2  0.46  0.02
3  0.85  0.82
4  0.78  0.76

X = 
[[ 0.93]
 [ 0.83]]

df.shape = (5, 2) , X.shape = (2L, 1L)

A multiplicação de matrizes se comporta normalmente:

df.values.dot(X)

array([[ 0.7495],
       [ 0.8179],
       [ 0.4444],
       [ 1.4711],
       [ 1.3562]])

O uso de apply para executar o produto de linha a linha se comporta conforme o esperado:

df.apply(lambda x: x.values.dot(X)[0], axis=1)

0    0.7495
1    0.8179
2    0.4444
3    1.4711
4    1.3562
dtype: float64

Groupby -> Apply se comporta como eu esperava:

df.groupby(level=0).apply(lambda x: x.values.dot(X)[0, 0])

0    0.7495
1    0.8179
2    0.4444
3    1.4711
4    1.3562
dtype: float64

Mas quando eu corro:

df.rolling(1).apply(lambda x: x.values.dot(X))

Eu recebo:

AttributeError: o objeto 'numpy.ndarray' não possui atributos 'valores'

Ok, então os pandas estão usandondarray dentro do seurolling implementação. Eu posso cuidar disso. Ao invés de usar.values para obter ondarray, vamos tentar:

df.rolling(1).apply(lambda x: x.dot(X))

formas (1,) e (2,1) não alinhadas: 1 (dim 0)! = 2 (dim 0)

Esperar! O que?!

Então, criei uma função personalizada para analisar o que está rolando.

def print_type_sum(x):
    print type(x), x.shape
    return x.sum()

Então correu:

print df.rolling(1).apply(print_type_sum)

<type 'numpy.ndarray'> (1L,)
<type 'numpy.ndarray'> (1L,)
<type 'numpy.ndarray'> (1L,)
<type 'numpy.ndarray'> (1L,)
<type 'numpy.ndarray'> (1L,)
<type 'numpy.ndarray'> (1L,)
<type 'numpy.ndarray'> (1L,)
<type 'numpy.ndarray'> (1L,)
<type 'numpy.ndarray'> (1L,)
<type 'numpy.ndarray'> (1L,)
      A     B
0  0.44  0.41
1  0.46  0.47
2  0.46  0.02
3  0.85  0.82
4  0.78  0.76

Meu resultantepd.DataFrame é o mesmo, isso é bom. Mas imprimiu 10 dimensões unidimensionaisndarray objetos. Sobrerolling(2)

print df.rolling(2).apply(print_type_sum)

<type 'numpy.ndarray'> (2L,)
<type 'numpy.ndarray'> (2L,)
<type 'numpy.ndarray'> (2L,)
<type 'numpy.ndarray'> (2L,)
<type 'numpy.ndarray'> (2L,)
<type 'numpy.ndarray'> (2L,)
<type 'numpy.ndarray'> (2L,)
<type 'numpy.ndarray'> (2L,)
      A     B
0   NaN   NaN
1  0.90  0.88
2  0.92  0.49
3  1.31  0.84
4  1.63  1.58

A mesma coisa, espera saída, mas imprimiu 8ndarray objetos.rolling está produzindo uma única dimensãondarray de comprimentowindow para cada coluna, em oposição ao que eu esperava, que era umndarray de forma(window, len(df.columns)).

A pergunta é por que?

Agora não tenho como executar facilmente uma regressão multifatorial contínua.