如何将Pandas DataFrame中增减趋势的数值按标记拆分为数据块？

1. 识别局部极值（峰值/谷值） #

你需要找的是局部最大值（峰值）或局部最小值（谷值），而非全局唯一的极值，这里提供两种可行方法：

• 使用SciPy的find_peaks工具：这是定位序列局部峰的常用方法，还能通过参数过滤无效波动

  from scipy.signal import find_peaks
  import pandas as pd
  
  # 假设目标数据列名为'data'
  peaks, _ = find_peaks(df['data'], height=0, distance=10) 
  # peaks变量存储的就是所有峰值对应的DataFrame索引位置
  

• 手动判断局部极值：通过相邻元素比较实现，比如当df['data'].iloc[i] > df['data'].iloc[i-1]且df['data'].iloc[i] > df['data'].iloc[i+1]时，i即为峰值位置（注意处理首尾边界）

2. 用极值索引拆分数据 #

拿到局部极值的索引后，就可以将原DataFrame切割为多个片段：

# 补充首尾索引，确保拆分覆盖全部数据
split_points = [0] + list(peaks) + [len(df)]

# 循环生成子DataFrame
data_splits = []
for i in range(len(split_points)-1):
    start_idx = split_points[i]
    end_idx = split_points[i+1]
    data_splits.append(df.iloc[start_idx:end_idx])

3. 适配谷值型红线的调整 #

如果图表红线对应是谷值（下降后的低点），只需对数据取反后再用find_peaks：

valleys, _ = find_peaks(-df['data'], height=0, distance=10)

内容的提问来源于stack exchange，提问作者kunkoala