如何在Pandas中识别并标记特定条件下的INDEX峰值

示例数据生成代码 #

import pandas as pd
import random

random.seed(901)
rand_list = []
for i in range(20):
    x = random.randint(480, 600)
    rand_list.append(x/10)

df = pd.DataFrame({'INDEX':rand_list})
df['INDEX_DIFF'] = df.INDEX.diff()

生成的数据输出 #

INDEX   INDEX_DIFF
 0    53.5    NaN
 1    56.4    2.9
 2    51.7    -4.7
 3    49.4    -2.3
 4    55.4    6.0
 5    49.9    -5.5
 6    52.9    3.0
 7    57.7    4.8
 8    54.2    -3.5
 9    51.4    -2.8
10    57.1    5.7
11    56.7    -0.4
12    58.5    1.8
13    52.1    -6.4
14    57.6    5.5
15    56.1    -1.5
16    54.2    -1.9
17    52.9    -1.3
18    56.6    3.7
19    53.2    -3.4

需求说明 #

需要识别以下场景：当INDEX从低于50的数值突破到50以上后进入持续增长阶段，此时首次出现INDEX_DIFF为负值的前一行的INDEX值就是这次突破后的峰值。比如示例中第5行的49.9（低于50）之后，INDEX连续增长到52.9、57.7，第8行INDEX_DIFF首次为负，所以第7行的57.7就是峰值，需要新增一列标记这类峰值。

解决方案 #

完整代码 #

import pandas as pd
import random

random.seed(901)
rand_list = []
for i in range(20):
    x = random.randint(480, 600)
    rand_list.append(x/10)

df = pd.DataFrame({'INDEX':rand_list})
df['INDEX_DIFF'] = df.INDEX.diff()

# 1. 标记从低于50突破到高于50的起点
df['break_50'] = (df['INDEX'].shift(1) < 50) & (df['INDEX'] > 50)

# 2. 标记增长阶段和首次转负的位置
df['is_growth'] = df['INDEX_DIFF'] > 0
df['first_neg_after_growth'] = (df['INDEX_DIFF'] < 0) & (df['is_growth'].shift(1))

# 3. 为每个突破后的增长序列分配分组ID，首次转负后结束当前分组
df['group_id'] = df['break_50'].cumsum()
# 把首次转负后的行排除出当前分组
df.loc[df['first_neg_after_growth'].cumsum() > df['break_50'].cumsum(), 'group_id'] = pd.NA

# 4. 标记每个分组内的峰值（分组内最后一个增长行）
df['peak'] = False
for gid in df['group_id'].dropna().unique():
    group_data = df[df['group_id'] == gid]
    # 找到分组内最后一个增长的行索引
    peak_index = group_data[group_data['is_growth']].index[-1]
    df.loc[peak_index, 'peak'] = True

# 查看结果
print(df)

代码逻辑拆解 #

• 标记突破点：break_50列定位那些从低于50跳到高于50的行，这些是每个增长序列的起始位置。
• 区分增长与转负：is_growth标记所有处于增长状态的行；first_neg_after_growth标记增长后第一次下跌的行，这行的前一行就是我们要找的峰值。
• 分组隔离序列：通过break_50的累积和生成唯一分组ID，确保每个突破后的增长序列独立；同时把首次下跌后的行移出当前分组，避免不同序列互相干扰。
• 标记峰值：遍历每个有效分组，找到分组内最后一个增长的行，将其peak列设为True。

最终输出结果 #

INDEX  INDEX_DIFF  break_50  is_growth  first_neg_after_growth group_id   peak
0    53.5         NaN     False      False                   False      NaN  False
1    56.4         2.9     False       True                   False      NaN  False
2    51.7        -4.7     False      False                    True      NaN  False
3    49.4        -2.3     False      False                   False      NaN  False
4    55.4         6.0      True       True                   False        1  False
5    49.9        -5.5     False      False                    True      NaN  False
6    52.9         3.0      True       True                   False        2  False
7    57.7         4.8     False       True                   False        2   True
8    54.2        -3.5     False      False                    True      NaN  False
9    51.4        -2.8     False      False                   False      NaN  False
10   57.1         5.7     False       True                   False      NaN  False
11   56.7        -0.4     False      False                    True      NaN  False
12   58.5         1.8     False       True                   False      NaN  False
13   52.1        -6.4     False      False                    True      NaN  False
14   57.6         5.5     False       True                   False      NaN  False
15   56.1        -1.5     False      False                    True      NaN  False
16   54.2        -1.9     False      False                   False      NaN  False
17   52.9        -1.3     False      False                   False      NaN  False
18   56.6         3.7     False       True                   False      NaN  False
19   53.2        -3.4     False      False                    True      NaN  False

可以看到第7行的peak列已被标记为True，符合需求中的峰值定义。

内容的提问来源于stack exchange，提问作者prashanth manohar