如何在Python中基于条件实现累加和的向量化重置？

我需要不使用循环的向量化方式，在满足指定条件时重置累加和。

简单示例代码 #

import pandas as pd
import numpy as np
np.random.seed(0)
v = pd.DataFrame()
v['a'] = np.random.randint(10, size=(1000))

重置条件 #

重置条件为：当前值大于等于起始值+5 或 当前值小于等于起始值-5，即：

((current_value >= opening_value + 5) | (current_value <= opening_value - 5))

初步思路 #

我将需求拆解为两步：

• 第一步：累加与前值的差值（v['b'] = v['a'].diff().cumsum()）
• 第二步：满足条件时重置累加，但暂未明确具体实现方式

实际场景 #

该需求用于基于指定tick波动生成OHLC蜡烛图，实际需处理包含147,046,963行的EURUSD tick数据，我采用dask.dataframe分块加载数据，但现有循环代码效率极低且可能存在错误，急需向量化优化。

后续进展 #

我参考Stack Overflow的方案修改实现了重置逻辑，应用到EURUSD数据后效率大幅提升，但仍需完善开盘/收盘索引及高低值提取步骤。

内容的提问来源于stack exchange，提问作者Arthur Stackoverflow