如何在Python DataFrame中提取最后一次符号变更后的所有行？

步骤说明 #

1. 计算每行值的符号（用np.sign()，0的符号标记为0）
2. 标记符号发生变化的行：当前行符号与前一行不同则标记为True，第一行无前置行，标记为False
3. 定位最后一次符号变化的索引，从该索引开始到末尾的行即为目标数据；若所有行符号一致，直接返回原DataFrame

完整代码 #

import numpy as np
import pandas as pd

# 生成示例数据
df = pd.DataFrame(np.random.randint(-10,10,size=(100, 1)), columns=list('v'))

# 计算每行值的符号
signs = df['v'].apply(np.sign)
# 标记符号变化的行
sign_changes = signs.ne(signs.shift()).fillna(False)
# 获取所有符号变化的索引
change_indices = df[sign_changes].index

# 提取目标数据
if len(change_indices) > 0:
    result_df = df.loc[change_indices[-1]:]
else:
    result_df = df.copy()

# 查看结果
print(result_df)

零值特殊处理（匹配示例需求） #

如果需要将零值视为继承前一个非零值的符号（比如示例中95行的0归为正号），可以修改符号计算逻辑：

def get_inherited_sign(val, prev_sign):
    if val != 0:
        return np.sign(val)
    else:
        return prev_sign

# 迭代生成符号序列，零值继承前一个非零值的符号
signs = []
prev_sign = 0
for val in df['v']:
    if val != 0:
        prev_sign = np.sign(val)
    signs.append(prev_sign)
signs = pd.Series(signs, index=df.index)

# 后续符号变更检测与数据提取步骤同上
sign_changes = signs.ne(signs.shift()).fillna(False)
change_indices = df[sign_changes].index

if len(change_indices) > 0:
    result_df = df.loc[change_indices[-1]:]
else:
    result_df = df.copy()

这种处理下，示例中95行的0会被视为正号，96行的-1才会被判定为符号变更点，最终提取96-98行，完全匹配需求。

内容的提问来源于stack exchange，提问作者user176301