如何根据趋势从DataFrame同日期多值中选取对应高低值？

问题背景 #

原始DataFrame数据：

期望处理结果：

规则说明 #

• 同一日期存在多个值时，与前一日期的最终值对比
• 若当前日期所有值均高于前一日期值（上升趋势），取该日期最大值
• 若当前日期所有值均低于前一日期值（下降趋势），取该日期最小值
• 已知同一日期的所有值要么全高于、要么全低于前一日期值

实现方案 #

可以完全实现该需求，以下是基于Pandas的代码实现：

代码示例 #

import pandas as pd

# 构造原始数据
df = pd.DataFrame({
    'ID': ['ABC', 'ABC', 'ABC', 'ABC', 'ABC', 'ABC'],
    'Date': ['2022-04-05', '2023-02-04', '2023-02-04', '2023-05-10', '2023-06-27', '2023-06-27'],
    'val': [100, 200, 300, 400, 250, 200]
})

# 转换日期格式并按ID、日期排序
df['Date'] = pd.to_datetime(df['Date'])
df = df.sort_values(['ID', 'Date']).reset_index(drop=True)

# 按ID和日期分组，计算每组的最小、最大值
grouped = df.groupby(['ID', 'Date']).agg(
    val_min=('val', 'min'),
    val_max=('val', 'max')
).reset_index()

# 初始化最终值列，第一行直接取对应值（无前置日期）
grouped['val'] = grouped['val_min']

# 遍历后续行，根据趋势选择对应值
for idx in range(1, len(grouped)):
    prev_val = grouped.loc[idx-1, 'val']
    curr_min = grouped.loc[idx, 'val_min']
    curr_max = grouped.loc[idx, 'val_max']
    
    if curr_min > prev_val:
        grouped.loc[idx, 'val'] = curr_max
    elif curr_max < prev_val:
        grouped.loc[idx, 'val'] = curr_min

# 整理成目标格式的结果
result = grouped[['ID', 'Date', 'val']]
print(result)

运行结果 #

ID       Date  val
0  ABC 2022-04-05  100
1  ABC 2023-02-04  300
2  ABC 2023-05-10  400
3  ABC 2023-06-27  200

逻辑说明 #

1. 数据预处理：将Date转为datetime类型并排序，确保分组和顺序正确
2. 分组聚合：按ID和Date分组，计算每组的最小、最大值，方便后续趋势判断
3. 趋势判断与取值：从第二行开始，对比当前组的极值与前一行的最终值，根据上升/下降趋势选择对应最值
4. 结果整理：提取需要的列，得到目标DataFrame

内容的提问来源于stack exchange，提问作者ASD