如何在Pandas中按符号变化规则确定目标行索引？

需求说明 #

针对包含目标索引列（ind_column）的DataFrame，对col1列执行以下逻辑：

• 以目标索引所在行为中心，查看前后各3行的范围（即共7行：中心行-3到中心行+3）
• 若该范围内col1的符号仅发生一次突变，且突变前后符号均保持恒定，则选取符号突变的行索引
• 若范围内无符号突变或多次突变，则保留原ind_column的值

示例说明 #

示例1：存在单次符号突变 #

ind_column     col1
4             0.5
4             0.65
4             0.6
4             0.2
4             0.1
4             0.8
4             -0.3
4             -0.2
4             -0.3

目标索引为4，查看其前后3行（行1到行7），第6行发生符号突变（突变前全为正，突变后全为负），最终选取第6行索引。

示例2：存在多次符号突变 #

ind_column     col1
5             0.5
5             0.65
5             -0.6
5             0.2
5             -0.1
5             0.8
5             0.3
5             -0.2
5             -0.3

查看索引5的前后3行（行2到行8），范围内符号多次突变，最终保留原索引5。

示例3：无符号突变 #

ind_column     col1
5             0.5
5             0.65
5             0.6
5             0.2
5             0.1
5             0.8
5             0.3
5             0.2
5             0.3

范围内符号未发生变化，最终保留原索引5。

实现代码 #

import pandas as pd
import numpy as np

def find_mutation_index(row, df, window_size=3):
    # 获取当前行的位置
    center_idx = row.name
    # 计算窗口的起始和结束索引，避免超出DataFrame范围
    start_idx = max(0, center_idx - window_size)
    end_idx = min(len(df)-1, center_idx + window_size)
    # 提取窗口内的col1数据
    window_data = df.loc[start_idx:end_idx, 'col1']
    
    # 生成符号序列：正为1，负为-1，0统一按正处理（可按需调整）
    sign_series = np.sign(window_data).replace(0, 1)
    # 标记符号变化位置：相邻符号不同则为1，否则为0
    sign_changes = sign_series.diff().ne(0).astype(int).dropna()
    
    # 统计符号变化次数
    change_count = sign_changes.sum()
    
    if change_count == 1:
        # 获取突变行的索引
        mutation_pos = sign_changes[sign_changes == 1].index[0]
        return mutation_pos
    else:
        # 无突变或多次突变，返回原索引列值
        return row['ind_column']

# 测试示例1
df1 = pd.DataFrame({
    'ind_column': [4]*9,
    'col1': [0.5, 0.65, 0.6, 0.2, 0.1, 0.8, -0.3, -0.2, -0.3]
})
df1['result_index'] = df1.apply(find_mutation_index, df=df1, axis=1)
print("示例1结果：")
print(df1[['ind_column', 'col1', 'result_index']])

# 测试示例2
df2 = pd.DataFrame({
    'ind_column': [5]*9,
    'col1': [0.5, 0.65, -0.6, 0.2, -0.1, 0.8, 0.3, -0.2, -0.3]
})
df2['result_index'] = df2.apply(find_mutation_index, df=df2, axis=1)
print("\n示例2结果：")
print(df2[['ind_column', 'col1', 'result_index']])

# 测试示例3
df3 = pd.DataFrame({
    'ind_column': [5]*9,
    'col1': [0.5, 0.65, 0.6, 0.2, 0.1, 0.8, 0.3, 0.2, 0.3]
})
df3['result_index'] = df3.apply(find_mutation_index, df=df3, axis=1)
print("\n示例3结果：")
print(df3[['ind_column', 'col1', 'result_index']])

代码说明 #

1. 窗口范围控制：通过max和min函数确保窗口不会超出DataFrame的首尾边界
2. 符号处理：用np.sign()快速生成数值符号，0的处理逻辑可根据业务需求修改
3. 突变检测：通过diff()对比相邻元素符号，统计变化次数判断是否符合条件
4. 结果返回：仅在单次突变时返回突变行索引，其余情况返回原目标索引值

内容的提问来源于stack exchange，提问作者user15649753