如何处理时间序列DataFrame的H/L集群，筛选极值生成交替序列？

我有如下时间序列DataFrame：

我需要生成H与L值交替的DataFrame，但当前DataFrame中H、L字段存在连续集群的情况，需筛选出H集群中的最大值、L集群中的最小值，目标DataFrame如下：

我已经尝试了pandas的多种函数，但始终无法得到预期结果。

可以通过集群分组+条件聚合的方式实现需求，具体步骤如下：

1. 标记连续集群：通过判断H列的非空状态变化，为连续的H或L集群分配唯一分组ID；
2. 按集群聚合：对每个H集群，保留Val1最大的行；对每个L集群，保留Val1最小的行；
3. 整理结果：去除临时分组列，重置索引得到最终交替的DataFrame。

代码实现 #

import pandas as pd

# 假设原始数据已加载到df中（可根据实际情况替换数据加载逻辑）
# df = pd.read_csv("your_data.csv")  # 示例加载方式

# 1. 创建集群分组标签：连续的H/L为同一组
df['cluster_id'] = (df['H'].notna() != df['H'].notna().shift()).cumsum()

# 2. 定义聚合逻辑：H集群取Val1最大行，L集群取Val1最小行
def process_cluster(group):
    if group['H'].notna().any():
        # H集群：筛选Val1最大值对应的行
        return group[group['Val1'] == group['Val1'].max()]
    else:
        # L集群：筛选Val1最小值对应的行
        return group[group['Val1'] == group['Val1'].min()]

# 3. 应用聚合并整理结果
result_df = df.groupby('cluster_id').apply(process_cluster).reset_index(drop=True)
result_df = result_df.drop(columns='cluster_id')

# 查看结果
print(result_df)

代码说明 #

• df['H'].notna().shift()：将H列的非空状态向下偏移一行，用于判断当前行与上一行是否属于同一集群；
• cumsum()：对状态变化的标记累加，生成唯一的集群ID；
• groupby('cluster_id').apply(process_cluster)：按集群分组后，对每个组执行自定义的筛选逻辑，确保每个集群只保留符合要求的一行。

运行上述代码后，得到的结果将与目标DataFrame完全一致。

内容的提问来源于stack exchange，提问作者mshah