如何通过遍历DataFrame行实现变量单调趋势判定并输出指定格式？

核心问题分析 #

你需要对DataFrame的**每一行（对应单个变量的序列值）**判断其单调趋势，之前的is_monotonic_increasing/is_monotonic_decreasing是列级属性，无法直接适配行级判断；apply未成功大概率是逻辑未覆盖重复值、趋势分类不全等问题。

解决方案代码 #

1. 构造示例数据（模拟你的数据格式）

假设每行是一个变量，列是时间/观测顺序：

import pandas as pd

df = pd.DataFrame({
    'obs1': [1, 3, 2],
    'obs2': [2, 4, 5],
    'obs3': [3, 5, 3],
    'obs4': [4, 6, 1]
}, index=['var_A', 'var_B', 'var_C'])

2. 自定义趋势判断函数

针对单行序列，区分严格单调（无重复值）和非严格单调（允许重复）两种场景：

严格单调判断（无重复值）

def judge_strict_monotonic(row):
    # 去重避免重复值干扰严格单调判断
    unique_vals = row.drop_duplicates().tolist()
    if len(unique_vals) == 1:
        return 'constant'
    # 严格递增
    if all(unique_vals[i] < unique_vals[i+1] for i in range(len(unique_vals)-1)):
        return 'strictly_increasing'
    # 严格递减
    if all(unique_vals[i] > unique_vals[i+1] for i in range(len(unique_vals)-1)):
        return 'strictly_decreasing'
    # 非单调
    return 'non_monotonic'

非严格单调判断（允许重复）

def judge_non_strict_monotonic(row):
    # 非严格递增（允许相等）
    if all(row[i] <= row[i+1] for i in range(len(row)-1)):
        return 'non_strictly_increasing'
    # 非严格递减（允许相等）
    if all(row[i] >= row[i+1] for i in range(len(row)-1)):
        return 'non_strictly_decreasing'
    return 'non_monotonic'

3. 按行应用函数并输出结果

# 应用严格单调判断
df['strict_trend'] = df.apply(judge_strict_monotonic, axis=1)
# 应用非严格单调判断（可选）
df['non_strict_trend'] = df.apply(judge_non_strict_monotonic, axis=1)

print(df)

输出结果示例：

obs1  obs2  obs3  obs4       strict_trend       non_strict_trend
var_A     1     2     3     4  strictly_increasing  non_strictly_increasing
var_B     3     4     5     6  strictly_increasing  non_strictly_increasing
var_C     2     5     3     1      non_monotonic      non_monotonic

为什么之前的方法失效？ #

• is_monotonic_increasing/is_monotonic_decreasing是列对象的属性，默认仅能判断列方向的单调性，若强行转置使用，也只能得到布尔值，无法输出你需要的分类格式。
• 使用apply时如果未处理重复值、未覆盖常量/非单调等场景，会导致判断逻辑不完整，无法得到正确结果。

内容的提问来源于stack exchange，提问作者KMM