我有以下資料框：
df = pd.DataFrame({
'a': [0.1, 0.5, 0.1, 0.3],
'b': [0.2, 0.4, 0.2, 0.2],
'c': [0.3, 0.2, 0.4, 0.1],
'd': [0.1, 0.1, 0.1, 0.7],
'e': [0.2, 0.1, 0.3, 0.4],
'f': [0.7, 0.1, 0.1, 0.1]}
)
我想在滾動的基礎上獲得每列的平均值（假設為滾動（1）.mean（）），然后獲得每個條目的 95% 置信區間 CI = x - z*s/sqrt(n)，其中 x 是滾動平均值，z 是置信水平值，s 是滾動標準偏差（假設為 rolling(1).stdev），n 是列中的條目數。
這可以在沒有回圈的情況下以 Python 方式完成嗎？
謝謝你。
uj5u.com熱心網友回復：
IIUC，嘗試：
WINDOW = 2
lower_bound = df.rolling(WINDOW).mean() - 1.96*df.rolling(WINDOW).std()
upper_bound = df.rolling(WINDOW).mean() 1.96*df.rolling(WINDOW).std()
output = lower_bound.join(upper_bound, lsuffix="_lower", rsuffix="_upper").sort_index(axis=1)
>>> output
a_lower a_upper b_lower ... e_upper f_lower f_upper
0 NaN NaN NaN ... NaN NaN NaN
1 -0.254372 0.854372 0.022814 ... 0.288593 -0.431558 1.231558
2 -0.254372 0.854372 0.022814 ... 0.477186 0.100000 0.100000
3 -0.077186 0.477186 0.200000 ... 0.488593 0.100000 0.100000
[4 rows x 12 columns]
轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/388032.html
下一篇：代碼無法轉到else塊的問題