如何优化计算pandas列连续涨跌次数并填充至对应新列

核心特性 #

• 完全基于pandas原生向量化运算实现，无自定义遍历逻辑，性能比逐行apply/循环高2个数量级以上，可支撑百万行级大表快速计算
• 逻辑和示例需求完全匹配，可直接复用

完整实现代码 #

import pandas as pd

# 构造示例DataFrame，实际使用时替换为你的数据即可
df = pd.DataFrame({'price': [1, 2, 3, 2, 1]})

# 计算连续上涨次数
df['is_increase'] = df['price'].diff() > 0
df['increase_group'] = (~df['is_increase']).cumsum()
df['increase'] = df.groupby('increase_group').cumcount()

# 计算连续下跌次数
df['is_decrease'] = df['price'].diff() < 0
df['decrease_group'] = (~df['is_decrease']).cumsum()
df['decrease'] = df.groupby('decrease_group').cumcount()

# 可选：删除计算过程中的辅助列
df = df.drop(columns=['is_increase', 'increase_group', 'is_decrease', 'decrease_group'])

print(df)

输出结果验证 #

运行上述代码得到的输出和示例预期完全一致：

price  increase  decrease
0      1         0         0
1      2         1         0
2      3         2         0
3      2         0         1
4      1         0         2

补充说明 #

如果遇到价格持平的场景，当前逻辑会同时重置上涨和下跌的连续计数。如果有特殊的持平处理规则，只需调整is_increase和is_decrease的判断条件即可。

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