如何按时间顺序将DataFrame提取的极值合并为单一有序列表？

你当前的代码仅提取了极小值和极大值的价格，但丢失了对应的日期信息，导致无法按时间顺序合并。解决核心是保留每个极值的时间标记，合并后按日期排序即可得到目标列表。

修改后的完整代码 #

import pandas as pd
import numpy as np
import yfinance
from scipy.signal import argrelextrema
import matplotlib.dates as mpl_dates


def extract_data():
    ticker = 'GBPJPY=X'
    ticker = yfinance.Ticker(ticker)

    start_date = '2022-09-25'
    end_date = '2022-10-08'

    df = ticker.history(interval='1h', start=start_date, end=end_date)

    df['Date'] = pd.to_datetime(df.index)
    df['Date'] = df['Date'].apply(mpl_dates.date2num)

    df = df.loc[:, ['Date', 'Open', 'High', 'Low', 'Close']]

    find_extrema(df)

def find_extrema(df):
    n = 10  # number of points to be checked before and after

    # 获取局部极小值的行（保留日期和价格）
    min_indices = argrelextrema(df.Close.values, np.less_equal, order=n)[0]
    min_extrema = df.iloc[min_indices][['Date', 'Close']]

    # 获取局部极大值的行（保留日期和价格）
    max_indices = argrelextrema(df.Close.values, np.greater_equal, order=n)[0]
    max_extrema = df.iloc[max_indices][['Date', 'Close']]

    # 合并极小值和极大值数据集
    all_extrema = pd.concat([min_extrema, max_extrema])

    # 按日期（时间顺序）排序
    all_extrema_sorted = all_extrema.sort_values(by='Date')

    # 提取按时间排序的价格列表
    sorted_extremum_prices = all_extrema_sorted['Close'].tolist()

    # 输出结果
    print(f"Min: {min_extrema['Close'].tolist()}")
    print(f"Max: {max_extrema['Close'].tolist()}")
    print(f"按时间排序的极值价格列表: {sorted_extremum_prices}")


extract_data()

关键逻辑说明 #

1. 保留日期信息：不再单独提取价格到列表，直接从原DataFrame中筛选出极值对应的行，保留Date和Close（价格）字段。
2. 合并数据集：用pd.concat将极小值和极大值的数据集合并。
3. 按时间排序：调用sort_values(by='Date')确保合并后的极值严格按时间顺序排列。
4. 提取目标列表：从排序后的DataFrame中提取Close列，转换为列表即可。

如果需要同时查看每个极值对应的日期，可以打印all_extrema_sorted，它会展示每个极值的时间和价格。

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