在Python中，搜索值上升的4个连续行的位置

Question

我想知道如何标记价格属于4个涨价部分的行。 “是连续的”实际上是标记

我设法在行之间进行了区分：

df['diff1'] = df['Close'].diff()

但我没能找出哪一行是4次涨价的一部分

我想到了使用df.rolling（）

例如df

在第0-3行上，我们需要在[“is_Concertive”]列上获得“True”的输出，因为此连续行上的['diff1']增加了4行

在第8-11行，我们需要在[“is_Concertive”]列上获得'False'的输出，因为这个连续行上的['diff1']为零

   Date      Price           diff1    is_consecutive   
0  1/22/20    0               0          True
1  1/23/20    130            130         True
2  1/24/20    144            14          True
3  1/25/20    150            6           True
4  1/27/20    60            -90          False
5  1/28/20    95             35          False
6  1/29/20    100            5           False
7  1/30/20    50            -50          False
8  2/01/20    100            0           False
9  1/02/20    100            0           False
10  1/03/20   100            0           False
11  1/04/20   100            0           False
12  1/05/20   50            -50          False

一般示例：

如果 价格=[30,55,60,65,25]

列表中连续数字的不同形式为：

diff1=[0,25,5,5，-40]

所以当diff1加上它实际上意味着连续的价格在上涨

我需要标记（在df中）有4个连续上升的行

感谢您的帮助（-：

Answer 1

假设数据帧已排序。一种方法是基于差异的总和，以确定继3天上涨趋势（即4天上涨趋势）之后的首次上涨价格移动

quant1 = (df['Price'].diff().apply(np.sign) == 1).cumsum()
quant2 = (df['Price'].diff().apply(np.sign) == 1).cumsum().where(~(df['Price'].diff().apply(np.sign) == 1)).ffill().fillna(0).astype(int)
df['is_consecutive'] = (quant1-quant2) >= 3

请注意，以上仅考虑了严格上涨的价格（不相等）

然后，我们还使用win_view自定义函数覆盖前3个价格的is_Continuous标签，使其也TRUE：

def win_view(x, size):
    if isinstance(x, list):
        x = np.array(x)
    if isinstance(x, pd.core.series.Series):
        x = x.values
    if isinstance(x, np.ndarray):
        pass
    else:
        raise Exception('wrong type')
    return np.lib.stride_tricks.as_strided(
        x,
        shape=(x.size - size + 1, size),
        strides=(x.strides[0], x.strides[0])
    )


arr = win_view(df['is_consecutive'], 4)
arr[arr[:,3]] = True

请注意，我们将替换为True的值

编辑1 受自定义的win_view函数的启发，我意识到，只需win_view（无需使用累积和）即可获得解决方案，如下所示：

df['is_consecutive'] = False
arr = win_view(df['Price'].diff(), 4)
arr_ind = win_view(list(df['Price'].index), 4)
mask = arr_ind[np.all(arr[:, 1:] > 0, axis=1)].flatten()
df.loc[mask, 'is_consecutive'] = True

我们维护2个数组，1个用于返回，1个用于索引。我们收集有3个连续正回报np.all(arr[:, 1:] > 0, axis=1（即4个上涨价格）的指数，并替换原始df中的指数