在Python DataFrame中计算趋势的连续累积频次及滚动平均趋势长度的实现方法

嘿，这个需求在处理股票时间序列数据时挺常见的，我来给你一步步拆解实现思路和代码，完全用pandas就能搞定～

一、实现连续累积频次（Count列） #

核心思路是先识别趋势的分界点，再对每个连续趋势组进行计数。具体步骤如下：

1. 首先构造你的示例DataFrame（方便测试）：

import pandas as pd

data = {
    'Date': ['1/1', '2/1', '3/1', '4/1', '5/1'],
    'Price': [110, 108, 106, 112, 116],
    'Supertrend': [-1, -1, -1, 1, 1]
}
df = pd.DataFrame(data)

2. 生成趋势分组标签：
   我们通过对比当前行和上一行的Supertrend值，判断是否进入新趋势，再用cumsum()生成唯一的组编号：

# 标记当前行与上一行趋势是否不同，首次行无前置值，默认是新组
df['Trend_Group'] = (df['Supertrend'] != df['Supertrend'].shift(1)).cumsum()

3. 计算连续累积频次：
   按Trend_Group分组后，用cumcount()统计每组内的行位置，加1就是连续次数：

df['Count'] = df.groupby('Trend_Group').cumcount() + 1

执行完后，你的DataFrame就会和示例的结果完全一致：

如果需要把Count作为数组添加到原DataFrame，直接取df['Count'].values即可。

二、计算滚动平均趋势长度 #

这里分两种场景：已结束趋势的滚动平均和包含当前未结束趋势的滚动平均，我主要讲更实用的前者（因为未结束趋势的长度还在变化，平均意义不大）：

1. 先统计每个趋势的长度：

# 按趋势分组，统计每组的行数（即趋势长度）
trend_lengths = df.groupby('Trend_Group').size().reset_index(name='Trend_Length')

2. 计算滚动平均：
   用expanding().mean()计算从第一个趋势到当前趋势的平均长度：

trend_lengths['Rolling_Mean'] = trend_lengths['Trend_Length'].expanding().mean()

此时trend_lengths的结果是：

3. 把滚动平均映射回原DataFrame：
   如果需要让原DataFrame的每一行都对应到当前趋势所属的滚动平均（当前未结束趋势用最近的已结束平均填充）：

# 合并趋势长度和滚动平均到原DataFrame
df = df.merge(trend_lengths[['Trend_Group', 'Rolling_Mean']], on='Trend_Group', how='left')
# 对于未结束的趋势（比如后续新增的行），用前一个趋势的滚动平均填充
df['Rolling_Mean'] = df['Rolling_Mean'].ffill()

最终原DataFrame会新增Rolling_Mean列，每一行都能看到到当前趋势为止的平均趋势长度。

如果需要把这个滚动平均作为数组，取df['Rolling_Mean'].values即可。

备注：内容来源于stack exchange，提问作者SplooshM