如何查找pandas DataFrame列中的最大连续增减幅度？

核心逻辑 #

要找到最大连续增幅/降幅，关键是先识别出连续上升/下降的区间，再计算每个区间内终点与起点的差值（增幅取正，降幅取起点减终点的正数值），最后取最大值。

具体实现步骤 #

以你的示例数组 x = [1, 2, 6, 3, 5, 9, 5, 4, 5, 1] 为例，用pandas实现：

1. 转换为Series并计算相邻差值

import pandas as pd

x = [1, 2, 6, 3, 5, 9, 5, 4, 5, 1]
s = pd.Series(x)
diff = s.diff()  # 计算相邻元素差值，第一个值为NaN

2. 标记连续上升/下降的区间

• 连续上升区间：当diff>0时属于同一区间，差值≤0时开启新区间
• 连续下降区间：当diff<0时属于同一区间，差值≥0时开启新区间

# 标记上升区间分组
up_groups = (diff <= 0).cumsum()
# 标记下降区间分组
down_groups = (diff >= 0).cumsum()

3. 计算每个区间的增幅/降幅并取最大值

# 最大连续增幅：每个上升区间的终点值减起点值，取最大值
max_up = s.groupby(up_groups).apply(lambda g: g.iloc[-1] - g.iloc[0]).max()

# 最大连续降幅：每个下降区间的起点值减终点值，取最大值
max_down = s.groupby(down_groups).apply(lambda g: g.iloc[0] - g.iloc[-1]).max()

print(f"最大连续增幅：{max_up}")  # 输出6
print(f"最大连续降幅：{max_down}")  # 输出5

逻辑解释 #

• (diff <=0).cumsum()：当差值≤0时（上升趋势中断），累加计数，让连续上升的部分归为同一组。示例中，连续上升的区间为[1,2,6]、[3,5,9]、[4,5]，计算每个区间的终点减起点，最大值为9-3=6。
• (diff>=0).cumsum()：当差值≥0时（下降趋势中断），累加计数，让连续下降的部分归为同一组。示例中，连续下降的区间为[6,3]、[9,5,4]、[5,1]，计算每个区间的起点减终点，最大值为9-4=5。

内容的提问来源于stack exchange，提问作者dch27