Python条件赋值与EURUSD D1数据高低极值混合排序问题

针对你需要的条件赋值逻辑，这里有几种直观好用的实现方式，看你偏好哪种：

• 嵌套三元表达式：适合简单条件场景，一行就能搞定

  X = Y if a == b else Z if b == c else None  # 可根据需求设置其他默认值，比如0或者空字符串
  

  注意：如果两个条件同时满足（比如a==b且b==c），会优先取第一个条件的结果Y。

• if-else语句：逻辑更清晰，适合后续可能扩展条件的情况

  if a == b:
      X = Y
  elif b == c:
      X = Z
  else:
      X = None  # 处理两个条件都不满足的情况
  

• 字典映射（进阶）：如果后续要加更多条件，这种方式更易维护

  condition_map = {
      (a == b): Y,
      (b == c): Z
  }
  X = condition_map.get(True, None)  # 找到第一个为True的条件对应值，默认返回None
  

  小提示：字典的键是布尔值，如果多个条件同时为True，只会取最后一个键为True的值，所以更适合互斥的条件场景。

你的需求是把高低极值点按索引排序后，对应取high或low的数值，这里有两种高效的实现方法：

方法1：列表推导式（直观易懂） #

遍历排序后的idx，逐个判断当前索引属于max_idx还是min_idx，再取对应的值：

import numpy as np

# 先把列表转成集合，提升查找速度（数据量大时更明显）
max_set = set(max_idx)
min_set = set(min_idx)

peaks = np.array([hi.values[i] if i in max_set else lo.values[i] for i in idx])

方法2：Numpy向量化操作（高效） #

利用Numpy的布尔索引批量处理，完全避免循环，大数据量下速度更快：

import numpy as np

# 创建和idx长度匹配的空数组
peaks = np.zeros(len(idx))
# 找出idx中属于max_idx的位置
max_mask = np.isin(idx, max_idx)
# 对应位置赋值hi的数值
peaks[max_mask] = hi.values[idx[max_mask]]
# 剩余位置赋值lo的数值
peaks[~max_mask] = lo.values[idx[~max_mask]]

验证示例（用你给出的测试数据） #

max_idx = [4, 31, 72, 97]
min_idx = [18, 43, 67]
idx = [4, 18, 31, 43, 67, 72, 97]
high_peaks = np.array([1.10947, 1.14955, 1.10167, 1.13829])
low_peaks = np.array([1.07772, 1.0635 , 1.07263])

# 模拟hi和lo的values数组
hi_values = np.zeros(100)
lo_values = np.zeros(100)
for i, val in zip(max_idx, high_peaks):
    hi_values[i] = val
for i, val in zip(min_idx, low_peaks):
    lo_values[i] = val

# 用方法2生成peaks
max_mask = np.isin(idx, max_idx)
peaks = np.zeros(len(idx))
peaks[max_mask] = hi_values[idx[max_mask]]
peaks[~max_mask] = lo_values[idx[~max_mask]]

print(peaks)
# 输出：[1.10947 1.07772 1.14955 1.0635  1.07263 1.10167 1.13829]

完全符合你期望的结果。

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