Pandas DataFrame新增列计算自上一个顶/底以来的数值变化率

你之前的两种写法报错原因如下：

1. shift() 只接受单个整数作为全局偏移参数，不能传入Series类型的变量为每一行指定不同偏移量，因此触发ValueError: The truth value of a Series is ambiguous报错。
2. iloc 直接传入df.index - df['ST'].abs()时，pandas会执行索引对齐逻辑而非逐行计算位置，无法正确匹配到对应行的数值，因此触发重索引错误。

正确实现方案 #

实现思路：提取所有局部顶/底（即TB列非空）对应的A列值作为基准值，向下填充到所有行，再用当前行的A值除以上一个基准值，即可得到所需的变化率。

完整代码如下：

import pandas as pd
import numpy as np

df = pd.DataFrame([8, 2, 4, 5, 6, 4, 3, 5, 5, 3, 2], columns=['A'])
df['UD'] = np.where(df['A'].pct_change().gt(0), 1, np.where(df['A'].pct_change().lt(0), -1, 0))
df['ST'] = df['UD'].groupby((df['UD'].ne(df['UD'].shift(1))).cumsum()).cumsum()
df['TB'] = np.where(df['A'].pct_change().ge(0) & df['A'].pct_change().shift(-1).le(0), 'T', np.where(df['A'].pct_change().le(0) & df['A'].pct_change().shift(-1).ge(0), 'B', ''))

# 新增C列逻辑
# 提取TB点的A值作为基准，其余位置为空
df['base'] = df['A'].where(df['TB'].ne(''))
# 向下填充基准值，每一行对应上一个TB点的基准值
df['base'] = df['base'].ffill()
# 计算变化率，保留2位小数，无有效结果的位置置空
df['C'] = (df['A'] / df['base'].shift(1)).round(2).fillna('')
# 删除临时基准列
df = df.drop('base', axis=1)

print(df)

运行输出和你给出的预期结果完全一致。

内容的提问来源于stack exchange，提问作者Jane Doe