Python/Pandas- 在趋势变化时应用标签（识别数据集中的局部最大值和最小值）

Posted 2023-03-11

【中文标题】Python/Pandas- 在趋势变化时应用标签（识别数据集中的局部最大值和最小值）

【英文标题】：Python/Pandas- applying label at trend shift (identifying local maxima and minima in dataset)

【发布时间】：2018-09-14 23:44:28

【问题描述】：

所以我有一个 CSV，其中有股票价格，并且每一天（行）我都有一个相应的列，显示价格在前一天是上涨还是下跌。

任务：我想识别波峰和波谷（参见示例截图）。 逻辑：趋势变化前的最后一个“增加”单元格应标记为“峰值”。 同样对于减少...

我猜这将使用带有中断/继续的循环。 对于编写代码的确切建议，我将不胜感激。

谢谢！

【参考方案1】：

这是使用pandas 和numpy 功能的矢量化解决方案。

import pandas as pd, numpy as np

df = pd.DataFrame('seq': ['inc', 'dec', 'inc', 'inc', 'inc', 'dec', 'dec', 'dec', 'inc'])

df['mark'] = df['seq'].map('inc': 1, 'dec': -1).diff().shift(-1).map(np.sign).fillna(0)
df['mark'] = df['mark'].map(-1: 'peak', 1: 'trough', 0: '')

#    seq    mark
# 0  inc    peak
# 1  dec  trough
# 2  inc        
# 3  inc        
# 4  inc    peak
# 5  dec        
# 6  dec        
# 7  dec  trough
# 8  inc        

【参考方案2】：

可能不是最pythonic/efficient 的方式，但这会起作用：

price = ['increase', 'increase', 'increase', 'decrease', 'decrease', 'increase']

break_point = []
for index, value in enumerate(price):
    try:
        if value == price[index + 1]:
            break_point.append(' ')
        else:
            if value == 'increase':
                break_point.append('peak')
            else:
                break_point.append('trough')
    except IndexError:
        break

print(break_point)