如何用Pandas筛选Close连续X天高于SMA_10的数据（示例：8天）

我创建了如下样本DataFrame，希望筛选出Close列连续X天（本次示例为8天）高于SMA_10列的数据。我了解可以使用close.shift(1)方法，但不想手动编写多个shift条件（如condition = (close.shift(1) > sma10.shift(1)) & close.shift(2)....close.shift(7) > sma10.shift(7)），请问是否有更优实现方式？

示例代码：

import pandas as pd
import numpy as np

# Generate sample data
np.random.seed(123)
dates = pd.date_range(start='2022-01-01', periods=100)
prices = np.random.rand(100) * 100
sma_10 = pd.Series(prices).rolling(window=10).mean()
ohlc_data = np.random.rand(100, 4) * 100

# Create DataFrame
df = pd.DataFrame(ohlc_data, columns=['Open', 'High', 'Low', 'Close'])
df['Date'] = dates
df.loc[9:20, 'Close'] = 80

df['SMA_10'] = sma_10

# Print sample DataFrame
print(df.head(20))

可以通过两步实现，无需手动编写多个shift条件：

• 创建布尔标记列：生成一列布尔值，标记当天Close是否高于SMA_10
• 滚动窗口统计连续满足条件的天数：使用rolling窗口对布尔列求和，判断窗口内的和是否等于目标天数（即连续X天都满足条件）

完整实现代码 #

import pandas as pd
import numpy as np

# 生成样本数据（和原代码一致）
np.random.seed(123)
dates = pd.date_range(start='2022-01-01', periods=100)
prices = np.random.rand(100) * 100
sma_10 = pd.Series(prices).rolling(window=10).mean()
ohlc_data = np.random.rand(100, 4) * 100

df = pd.DataFrame(ohlc_data, columns=['Open', 'High', 'Low', 'Close'])
df['Date'] = dates
df.loc[9:20, 'Close'] = 80
df['SMA_10'] = sma_10

# 步骤1：创建布尔列，标记当天Close是否大于SMA_10
df['close_above_sma'] = df['Close'] > df['SMA_10']

# 步骤2：设置连续天数X，这里示例为8天
X = 8
# 滚动窗口求和，窗口大小为X，求和结果等于X说明连续X天都满足条件
# 使用shift(1)是标记连续X天结束的那一行，可根据需求调整
df['consecutive_above'] = df['close_above_sma'].rolling(window=X).sum() == X

# 筛选出连续8天Close高于SMA_10的行
result = df[df['consecutive_above']]
print(result)

补充说明 #

如果需要筛选出所有处于连续X天区间内的行，可以对标记列做向前填充：

# 先标记连续区间的结束点，再向前填充X-1天的标记
df['in_consecutive_window'] = df['consecutive_above'].replace(False, np.nan).ffill(limit=X-1).fillna(False)
result_all_days = df[df['in_consecutive_window']]
print(result_all_days)

这种方法的优势是可以灵活调整X值，无需修改条件逻辑，代码可维护性更高。

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