熊猫找到局部最大值和最小值，而不是高原值

Posted 2023-03-12

【中文标题】熊猫找到局部最大值和最小值，而不是高原值

【英文标题】：Pandas finding local max and min, not plateau values

【发布时间】：2021-03-28 06:37:07

【问题描述】：

我需要在 pandas DataFrame 中找到局部最大值和最小值，起初看起来这与Pandas finding local max and min 相同，但建议的解决方案似乎都不正确。

In[876]: import pandas as pd
    ...: 
    ...: df = pd.DataFrame('data': [1, 1, 2, 2, 1, 0, 0, -2, 0])
    ...: 
    ...: # Test 1, missing max in df.iloc[3], min correct
    ...: df['min'] = df.data[(df.data.shift(1) > df.data) & (df.data.shift(-1) > df.data)]
    ...: df['max'] = df.data[(df.data.shift(1) < df.data) & (df.data.shift(-1) < df.data)]
    ...: 
In[877]: df
Out[877]: 
   data  min  max
0     1  NaN  NaN
1     1  NaN  NaN
2     2  NaN  NaN
3     2  NaN  NaN
4     1  NaN  NaN
5     0  NaN  NaN
6     0  NaN  NaN
7    -2 -2.0  NaN
8     0  NaN  NaN
In[878]: 
In[878]: # Test 2, max incorrect, min incorrect
    ...: # max in iloc = 3, 6
    ...: # min in iloc = 1, 7
    ...: df['min'] = df.data[(df.data.shift(1) >= df.data) & (df.data.shift(-1) > df.data)]
    ...: df['max'] = df.data[(df.data.shift(1) <= df.data) & (df.data.shift(-1) < df.data)]
    ...: 
In[879]: df
Out[879]: 
   data  min  max
0     1  NaN  NaN
1     1  1.0  NaN
2     2  NaN  NaN
3     2  NaN  2.0
4     1  NaN  NaN
5     0  NaN  NaN
6     0  NaN  0.0
7    -2 -2.0  NaN
8     0  NaN  NaN

我想确定局部最小值和最大值，不是高原值。 正确的标识是：

iloc 2 或 3 中的最大值（无关紧要） iloc 7 中的最小值

一种解决方案是开始编写循环和 ifs/else，但它变得越来越难看......我的猜测是，使用 pandas 可能会有更简单的解决方案，但我缺乏一些专业知识，任何帮助将不胜感激。

我是 Python 和 Stack Overflow 的新手，所以我希望你能原谅任何新手的错误，干杯。

【问题讨论】：

为什么位置 6 的 max 不正确？

当你有 12344455332 时，唯一的局部最大值是 5 和 5？

@DaniMesejo：iloc=6 处的最大值介于之前的最大值和 iloc=7 中的最小值之间，在新的局部最大值之前必须有一个局部最小值。

@Tarik：是的。我的示例中的问题是注册了高原（在本地最大值和最小值之间）。最小值和最大值成对出现或作为单个（本地）最大值或最小值出现。 （在你的例子中没有本地人，只有一个全局最大值）

【参考方案1】：

IIUC，您想对唯一的连续值应用局部最大值和最小值，请执行以下操作：

import pandas as pd

df = pd.DataFrame('data': [1, 1, 2, 2, 1, 0, 0, -2, 0])

# remove consecutive duplicates
res = df[df['data'] != df['data'].shift()]

# find min and max
res['min'] = res.data[(res.data.shift(1) > res.data) & (res.data.shift(-1) > res.data)]
res['max'] = res.data[(res.data.shift(1) < res.data) & (res.data.shift(-1) < res.data)]

# put back in original df
output = pd.concat((df, res[['min', 'max']]), axis=1)
print(output)

输出

   data  min  max
0     1  NaN  NaN
1     1  NaN  NaN
2     2  NaN  2.0
3     2  NaN  NaN
4     1  NaN  NaN
5     0  NaN  NaN
6     0  NaN  NaN
7    -2 -2.0  NaN
8     0  NaN  NaN