如何在Python中计算滚动相关度

相关性通常决定了两个变量之间的关系。滚动相关测量两个时间序列数据在滚动窗口上的相关性滚动相关可以应用于特定的窗口宽度，以确定短期相关性。

在Python中计算滚动相关度

让我们使用两个产品A和B在过去60个月中的销售数据来计算滚动相关关系。Pandas包提供了一个名为rolling.corr()的函数来计算滚动相关性。

语法:

data1.rolling(width).corr(data2)

其中,

data1, data2 – 感兴趣的数据/列（类型系列）
width – 滚动窗口的宽度（int）

注意：滚动窗口的宽度应该是3或更大，以便计算相关关系

使用的数据:

# import pandas module
import pandas as pd
 
# read the data
data = pd.read_csv('product_sales.csv')
 
# display top 10 rows
print(data.head(10))
 
# display column names
print(data.columns)

输出:

如何在Python中计算滚动相关度？

示例 2:

在这里，我们使用了6的窗口宽度，它显示了连续6个月的滚动相关关系。我们可以看到两个产品的销售之间有显著的相关性，任何相关性的突然下降或上升都预示着一个不寻常的事件，导致了这个下降。

data['Product A'].rolling(6).corr(data['Product B'])
 
# formatting the output
k = 1
for i, j in enumerate(data['Product A'].rolling(6).corr(data['Product B'])):
    if (i >= 5 and i < 12):
        print(f'The correlation in sales during months\
        {k} through {i+1} is {j}')
        i = 0
        k += 1

输出:

如何在Python中计算滚动相关度？

现在让我们对3个月的相关性进行同样的尝试，如下所示。

示例 3:

data['Product A'].rolling(3).corr(data['Product B'])
 
# formatting the output
k = 1
for i, j in enumerate(data['Product A'].rolling(3).corr(data['Product B'])):
    if (i >= 3 and i < 12):
        print(
            f'The correlation in sales during months {k} \
            through {i+1} is {j}')
        i = 0
        k += 1

输出 :

如何在Python中计算滚动相关度？