python时间序列分析常用函数

1. pandas.DataFrame.rank

DataFrame.rank(axis=0, method='average', numeric_only=None, na_option='keep', ascending=True, pct=False)

功能：计算沿着轴的数值数据（1到n）。 等值的排名是这些值的排名的平均值。返回从小到大排序的下标。

参数：axis : {0 or ‘index’, 1 or ‘columns’}, 默认值0     按照哪个轴进行排序

　　    method : {‘average’, ‘min’, ‘max’, ‘first’}   默认值 average

　　　　　　average ：在相等分组中，为各个值分配平均排名

　　　　　　min ：使用整个分组的最小排名

　　　　　　max ：使用整个分组的最大排名

　　　　　　first ： 按值在原始数据中的出现顺序分配排名

　　　 numeric_only : boolean, 默认值 None    仅包含float，int和boolean数据。 仅对DataFrame或Panel对象有效

　　　 na_option : {‘keep’, ‘top’, ‘bottom’}  

　　　　　　keep：将NA值保留在原来的位置

　　　　　　top ： 如果升序，将NA值排名第一

　　　　　　bottom ：如果降序，将NA值排名第一

　　    ascending : boolean, 默认值 True

　　　　　　True 为升序排名  False为降序排名

　　     pct : boolean, 默认值 False

　　　　　　　计算数据的百分比等级

返回 ：ranks : 与调用者类型相同

2. DataFrame.corr(method='pearson', min_periods=1)

Compute pairwise correlation of columns, excluding NA/null values，列的相关系数

Parameters:	method : {‘pearson’, ‘kendall’, ‘spearman’} pearson : standard correlation coefficient kendall : Kendall Tau correlation coefficient spearman : Spearman rank correlation min_periods : int, optional Minimum number of observations required per pair of columns to have a valid result. Currently only available for pearson and spearman correlation
Returns:	y  :  DataFrame

3. DataFrame.corrwith(other, axis=0, drop=False) 计算DataFrame的列（axis=0，默认）或行（axis=1)跟另外一个Series或DataFrame之间的相关系数：

Compute pairwise correlation between rows or columns of two DataFrame objects.