Python如何判断三点共线 pandas向量化替代嵌套循环方案

问题描述 #

• 此前尝试过基于三角形面积判定点位共线的方案，因无法适配后续步骤的计算需求，无法投入使用
• 初始实现思路为嵌套循环逻辑：先取两个基准点计算连线斜率，基于斜率推导后续各点位的预期价格，若点位实际价格与预期价格的偏差在±0.5%相对偏差容差范围内，即可判定为共线点位
• 目前已完成第一层循环的相邻点斜率计算，但第二层循环的预期价格比对逻辑编写受阻，需要更简便的共线点位识别方案，优先考虑向量化实现替代低效嵌套循环
• 固定比对规则：按索引从小到大依次取两个点作为基准点对，仅校验索引位置在两个基准点之后的所有点是否符合共线要求，遍历组合包括：
  • 索引0、1点对，校验索引2、3、4点
  • 索引0、2点对，校验索引3、4点
  • 索引0、3点对，校验索引4点
  • 索引1、2点对，校验索引3、4点
  • 剩余点对按相同规则依次遍历

测试数据集 #

import pandas as pd

initial_data = {'index': [4, 17, 24, 36, 42],
    'High': [805.000000, 1094.939941, 1243.489990, 1201.949951, 1172.839966],
}
test = pd.DataFrame(initial_data)

slope_data = {'index': [4, 17, 24, 36, 42],
    'High': [805.000000, 1094.939941, 1243.489990, 1518.7, 1172.839966],
    'Slope': [0, 22.30307, 21.22144, 22.93417, -57.64334],
}

已编写的未完成代码片段 #

for i in range(len(test)):
    #test.loc[:,'slope'] = (test.loc[i,'High'] - test.loc[i,'High'])   / (test.loc[i,'index'] - test.loc[i,'index'])
    test['slope'] = round((test['High']-test['High'].shift(1)) / (test['index']-test['index'].shift(1)),8)
    print(test)

    for j in range(len(test)):
         exp_price = (test['High'].shift(1) + (test['slope']*(test['index']-test['index'].shift(j))))
         # 若j点对应的预期价格与i点实际High值偏差在±0.5%范围内，即找到共线点
         # print(values)

    test['result'] = values
    print(test)

内容的提问来源于stack exchange，提问作者Artrade