rollingrank

rollingrankという、rolling window内での順位を計算するpythonライブラリを作ったので紹介です。kaggleで使ってください。バグ報告はgithubのissueでお願いします。

リポジトリ
https://github.com/contribu/rollingrank

背景

kaggleなどで時系列予測の問題を解きたい。
rolling window内での順位を特徴量としたい。
それを行うpythonライブラリが見つからなかった。
pandasでの実装は見つかったが遅かった( https://github.com/pandas-dev/pandas/issues/9481 )

私が解いていた問題では、
rolling window内での順位を特徴量とすることが汎化性能を出す鍵になりました。
時期によって分布が偏らないことがポイントと見ています。

有用そうな一方で(自分の事例しか知らないので一般に有用かどうかは知らない)、
kaggle界隈ではあまり見かけません。

その理由はかんたんに使えないことが原因かもしれません。
このライブラリを使うとかんたんにrolling rankを使えるので、とりあえず今解いている問題で使ってみては？

インストール

pip install rollingrank

使い方

import numpy as np
import rollingrank

# numpy arrayを入力すると同じ長さのnumpy arrayが返ります。
x = np.array([0.1, 0.2, 0.3, 0.25, 0.1, 0.2, 0.3])
y = rollingrank.rollingrank(x, window=3)
print(y)
# [nan nan  2.  1.  0.  1.  2.]

# pctを使うと、[0, 1]で返ります
y = rollingrank.rollingrank(x, window=3, pct=True)
print(y)
# [nan nan 1.  0.5 0.  0.5 1. ]

順位のカスタマイズ

に定義してあるmethodのうち、average, min, max, firstをmethodオプションで渡して使えます。

注意

計算量が、O(n * log(w))のものを作りたかったのですが、
実装してからよく見ると O(n * w)になっていました。
平衡木を工夫すれば O(n * log(w))にできるはずです。
だれかお願いします。

以下のようなものを改造すれば良さそう。
https://github.com/mpaland/avl_array

個人メモ

pipライブラリの作り方: https://blog.amedama.jp/entry/packaging-python

rolling rank: https://github.com/pandas-dev/pandas/issues/9481

C++との連携はpybind11が便利でした。