You need to enable JavaScript to run this app. Pandas:如何在滚动窗口内查找高点出现后的最低值
优惠活动
大模型
产品
解决方案
定价
更多

Pandas:如何在滚动窗口内查找高点出现后的最低值

滚动窗口高点后最低值实现逻辑
  • 核心计算规则:每个滚动窗口内,先定位窗口内首次出现的最大值(高点)的相对位置(避免了之前需要匹配全局高点索引的复杂操作),截取该位置到窗口末尾的所有值取最小值,即为Low_After_High。
  • 若高点出现在窗口最后一位,后续无更多数值,则最小值为高点本身,符合预期逻辑。

完整可运行代码

import pandas as pd
import numpy as np

dates = pd.date_range("20130101", periods=15)
temps = {'Temperature' :[16, 3, 26, 56, 2, 92, 54, 98, 73, 68, 80, 18, 75, 24, 12]}
df = pd.DataFrame(temps, index=dates, columns = ['Temperature'])
df['RollMax'] = df['Temperature'].rolling(5).max()

# 单窗口处理函数:定位高点位置后计算后续最低值
def calc_low_after_peak(window):
    peak_pos = window.argmax()
    return window[peak_pos:].min()

# raw=True传入numpy数组,大幅提升大窗口下的计算性能
df['Low_After_High'] = df['Temperature'].rolling(5).apply(calc_low_after_peak, raw=True)

输出结果验证

运行上述代码后,DataFrame的完整输出与预期完全匹配:

Temperature  RollMax  Low_After_High
2013-01-01           16      NaN             NaN
2013-01-02            3      NaN             NaN
2013-01-03           26      NaN             NaN
2013-01-04           56      NaN             NaN
2013-01-05            2     56.0             2.0
2013-01-06           92     92.0            92.0
2013-01-07           54     92.0            54.0
2013-01-08           98     98.0            98.0
2013-01-09           73     98.0            73.0
2013-01-10           68     98.0            68.0
2013-01-11           80     98.0            68.0
2013-01-12           18     98.0            18.0
2013-01-13           75     80.0            18.0
2013-01-14           24     80.0            18.0
2013-01-15           12     80.0            12.0

自定义调整说明

  • 若需以窗口内最后一次出现的高点为基准,可将peak_pos = window.argmax()替换为peak_pos = len(window) - 1 - window[::-1].argmax()
  • 调整rolling(5)中的参数即可适配不同窗口大小需求。

内容的提问来源于stack exchange,提问作者David Mollo

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.09 17:15:03