如何用numpy/pandas实现序列右比累计计数并修正TOPRANGE函数

计数逻辑业务含义：标记当前值为向左追溯范围内的最大值，返回对应连续符合条件的长度。

• 测试输入列表：l = [5,1,1,1,5,3,6]
• 预期输出结果：[0, 0, 0, 0, 3, 0, 6]
• 计数规则：对每个位置的元素，从相邻左侧位置开始逐值向左比较：
  • 若当前值大于比较值，累计计数+1，继续向左比较
  • 若当前值小于等于比较值，立刻中断累计，当前位置计数结束

原有实现代码如下：

import numpy as np
def TOPRANGE(S):
    rt = np.zeros(len(S))
    for i in range(1,len(S)):  rt[i] = np.argmin(np.flipud(S[:i]<S[i]))
    return rt.astype('int')

l = [5,1,1,1,5,3,6]
s = np.array(l)
TOPRANGE(s)

运行后输出为[0, 0, 0, 0, 3, 0, 0]，最后一位结果错误。问题出在np.argmin的逻辑：当左侧所有元素都小于当前值时，S[:i]<S[i]全为True，此时np.argmin会默认返回索引0，无法识别「全程没有触发中断」的场景，导致最后一位（值为6，左侧所有元素都比它小）的计数错误返回0，而非正确的6。

针对上述问题补全边界判断即可，代码如下：

import numpy as np

def TOPRANGE(S):
    arr_len = len(S)
    res = np.zeros(arr_len, dtype=int)
    for i in range(1, arr_len):
        left_compare = np.flipud(S[:i] < S[i])
        interrupt_pos = np.argmin(left_compare)
        # 区分「存在中断点」和「无中断点（左侧全小于当前值）」两种场景
        res[i] = interrupt_pos if not left_compare[interrupt_pos] else i
    return res

# 测试验证
l = [5,1,1,1,5,3,6]
s = np.array(l)
print(TOPRANGE(s))
# 输出：[0 0 0 0 3 0 6]，与预期完全一致

如果需要基于pandas实现，可直接将输入转为Series后调用上述numpy函数，调用示例：

import pandas as pd
import numpy as np

s = pd.Series([5,1,1,1,5,3,6])
print(TOPRANGE(s.values))
# 输出：[0 0 0 0 3 0 6]

内容的提问来源于stack exchange，提问作者lxg