按Symbol分组统计当前Close到下一个更小Close值的行数

现有股票数据如下：

Date, Symbol, Close
2021-01-01, AAPL, 10
2021-01-02, AAPL, 12
2021-01-03, AAPL, 3
2021-01-01, MSFT, 12
2021-01-02, MSFT, 20
2021-01-03, MSFT, 12
2021-01-04, MSFT, 1
2021-01-05, MSFT, 2
2021-01-06, MSFT, 3

需要按Symbol分组，统计每一行的Close值到下一个小于该值的Close值之间的行数，最终生成包含Output列的结果，期望输出如下：

Date, Symbol, Close, Output
2021-01-01, AAPL, 10, 2
2021-01-02, AAPL, 12,1
2021-01-03, AAPL, 3, NaN
2021-01-01, MSFT, 12, 3
2021-01-02, MSFT, 20, 1
2021-01-03, MSFT, 12, 1
2021-01-04, MSFT, 1, NaN
2021-01-05, MSFT, 2, 1
2021-01-06, MSFT, 1, NaN

用Pandas可以通过分组遍历的方式实现需求，代码如下：

import pandas as pd

# 构造原始数据（实际可替换为pd.read_csv读取文件）
df = pd.DataFrame({
    'Date': ['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04', '2021-01-05', '2021-01-06'],
    'Symbol': ['AAPL', 'AAPL', 'AAPL', 'MSFT', 'MSFT', 'MSFT', 'MSFT', 'MSFT', 'MSFT'],
    'Close': [10, 12, 3, 12, 20, 12, 1, 2, 3]
})

def get_days_to_drop(group):
    output = []
    closes = group['Close'].values
    n = len(closes)
    for i in range(n):
        current = closes[i]
        # 从下一行开始找第一个更小的值
        for j in range(i+1, n):
            if closes[j] < current:
                output.append(j - i)
                break
        else:
            # 没有找到则添加空值
            output.append(pd.NA)
    group['Output'] = output
    return group

# 按Symbol分组处理
result = df.groupby('Symbol', group_keys=False).apply(get_days_to_drop)
# 输出结果
print(result.to_csv(index=False))

代码解释 #

1. 先构造数据框（实际使用时可以直接读取CSV文件）。
2. 定义处理函数get_days_to_drop：对每个分组，遍历每一行的Close值，从下一行开始查找第一个小于当前值的位置，计算两行的索引差作为结果；如果遍历到末尾都没找到，就添加pd.NA。
3. 按Symbol分组后应用该函数，得到最终结果。

运行代码后输出的内容和期望完全一致。

内容的提问来源于stack exchange，提问作者greenguy