如何基于DataFrame的Vg_out列升降趋势拆分多个子DataFrame

核心思路 #

先通过趋势分析定位局部极值点，再基于极值点拆分出每个独立的上升/下降子DataFrame，同时处理连续相等的Vg_out值问题。

实现步骤与代码 #

import pandas as pd

# 假设你的原始数据存储在df中
# 1. 计算Vg_out的差值，处理浮点精度问题
df['diff'] = df['Vg_out'].diff()

# 标记趋势：1=上升，-1=下降，0=持平（用1e-9规避浮点误差）
df['trend'] = df['diff'].apply(lambda x: 1 if x > 1e-9 else (-1 if x < -1e-9 else 0))

# 处理连续持平的情况：继承前一个非持平的趋势
df['trend'] = df['trend'].replace(0, method='ffill')
df['trend'] = df['trend'].fillna(0)  # 第一个数据点默认趋势为0

# 2. 检测趋势变化，定位局部极值
df['trend_change'] = df['trend'].diff()

# 局部最大值：趋势从上升(1)转为下降(-1)，对应变化前的点
local_max_idx = df[df['trend_change'] == -2].index - 1
# 局部最小值：趋势从下降(-1)转为上升(1)，对应变化前的点
local_min_idx = df[df['trend_change'] == 2].index - 1

# 合并所有极值点并按索引排序
extremes = sorted(list(local_max_idx) + list(local_min_idx))

# 补充首尾索引，确保覆盖整个数据集
if extremes[0] != df.index[0]:
    extremes.insert(0, df.index[0])
if extremes[-1] != df.index[-1]:
    extremes.append(df.index[-1])

# 3. 拆分出每个升降段子DataFrame
segments = []
for i in range(len(extremes) - 1):
    start_idx = extremes[i]
    end_idx = extremes[i + 1]
    # 提取子DataFrame并标记类型
    segment = df.loc[start_idx:end_idx].copy()
    segment['segment_type'] = 'ascend' if segment['Vg_out'].iloc[-1] > segment['Vg_out'].iloc[0] else 'descend'
    segments.append(segment)

关键细节说明 #

• 浮点精度处理：用1e-9作为差值判断阈值，避免因浮点计算误差导致的误判。
• 连续相等值处理：通过ffill将连续持平的行继承前一个有效趋势，确保这类数据被归到正确的升降段中。
• 极值定位逻辑：通过趋势变化的差值（-2/2）精准定位局部极值，不会遗漏或误判极值点。
• 完整覆盖：补充首尾索引，保证原始DataFrame的所有数据都被拆分到对应的子段中。

内容的提问来源于stack exchange，提问作者hivzzz