查找时间序列中首个上升趋势下最接近0的行索引

核心单行实现 #

通过Pandas的布尔索引与链式调用，可直接筛选出符合条件的目标点：

target_row = df[(df['Signal'].shift(1) < 0) & (df['Signal'] >= 0)].loc[lambda x: x['Signal'].abs().idxmin()]

代码逻辑拆解 #

• df['Signal'].shift(1) < 0：筛选出前一个时间点信号值为负的行，确保趋势是从负向正上升
• df['Signal'] >= 0：当前时间点信号值非负，锁定上升穿越零点的区间
• .loc[lambda x: x['Signal'].abs().idxmin()]：在所有符合条件的候选行中，找到信号绝对值最小（最接近0）的那一行

完整验证示例 #

将核心代码嵌入你的示例代码中，可得到预期结果：

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

start_time = 0
end_time = 1
sample_rate = 500
time = np.arange(start_time, end_time, 1/sample_rate)
theta = 32
frequency = 2
amplitude = 1
sinewave = amplitude * np.sin(2 * np.pi * frequency * time + theta)

# DataFrame
df = pd.DataFrame([time, sinewave]).T
df.columns = ['Time','Signal']

# 核心单行代码
target_row = df[(df['Signal'].shift(1) < 0) & (df['Signal'] >= 0)].loc[lambda x: x['Signal'].abs().idxmin()]

# 输出结果
print(f"Index: {target_row.name}, Time: {target_row['Time']:.3f}, Signal: {target_row['Signal']}")

运行后输出：

Index: 227, Time: 0.454, Signal: 0.00602037947

边界情况处理 #

如果时间序列中不存在上升穿越零点的点（比如全正/全负序列），可添加空值判断避免报错：

if not target_row.empty:
    print(f"Index: {target_row.name}, Time: {target_row['Time']:.3f}, Signal: {target_row['Signal']}")
else:
    print("未找到符合条件的上升穿越零点的点")

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