计算对数变化的替代方法产生不同的结构

Question

有人能解释为什么第二种计算日志变化的方法会产生一个numpy数组，丢弃索引而不是DataFrame吗？如果我指定DataFrame，我会得到一个基于整数的索引。第一种方法根据需要工作。谢谢你的真知灼见

import numpy as np
import pandas as pd
import pandas_datareader as pdr
aapl = pdr.get_data_yahoo('AAPL')
close = pd.DataFrame(aapl['Close'])
change = np.log(close['Close'] / close['Close'].shift(1))
another_change = np.diff(np.log(close['Close']))

Answer 1

我找不到支持这个的文档，但是当Series输入的维数减少时，返回的类型似乎正在转换为ndarray。这种情况发生在diff而不是log

举个简单的例子：

x = pd.Series(range(5))

change = np.log(x / x.shift(1)) # Series of float64 of length 5

another_change = np.diff(np.log(x)) # array of float64 of length 4

我们可以观察到x / x.shift(1)仍然是一个5元素序列（即使元素0和1是NaN和inf），所以np.log，它不降维，仍然会返回一个5元素的东西，它匹配x的维数

然而，np.diff确实减少了它应该返回的维度（根据doc）

diff : ndarray The n-th differences. The shape of the output is the same as a except along axis where the dimension is smaller by n. [...]

下一句话出现在上面的numpy 1.13文档中，但不是1.12和更早版本：

[...] The type of the output is the same as that of the input.

所以输出的类型仍然是一个类似数组的结构，但是由于维数的减少，它可能不会被重新转换为一个序列（类似数组的输入）。至少在1.12和更早版本中

那是我最好的猜测