我试图计算Pandas 序列中的滚动半方差或半标准差.
这一切归结为添加一个条件，用NaN替换滚动窗口中的所有值，然后计算该窗口中的标准差/方差(或者只过滤掉窗口中的值).
所以我要找的是这样的东西:
x = stock_prices.pct_change()
window = 10
rol_mean = x.rolling(window).mean()
sem_std = x.rolling(window)[x.rolling(window)<rol_mean].std()
但这当然会引发错误，因为"Series"对象没有属性"columns"和">；""float"和"Rolling"实例之间不支持.
伪代码:
提前感谢您的帮助！
如果你知道，给定一个序列，如何计算半标准差，那么你可以使用.滚动().将()与该函数一起apply.
使用https://www.investopedia.com/terms/s/semideviation.asp中的定义
我们cannot使用内置std，因为我们需要使用整个组的平均值，但只根据组中低于平均值的观察值计算偏差.
看起来我们需要将半偏差定义为一个函数:
import numpy as np
def semi_std(ser):
average = np.nanmean(ser)
r_below = ser[ser < average]
return np.sqrt(1/len(r_below) * np.sum((average - r_below)**2))
x.rolling(window).apply(semi_std, raw=True)
# using raw=True speeds up the computation - this is applicable
# if the function works well with a numpy array instead of a Series
# also, if possible, investigate using numba.
我认为为了获得最大的鲁棒性，可能需要添加一个条件，如果为len(r_below) == 0，则结果为0或NaN(这是一个定义问题，但0可能是合理的 Select ).