Python/Pandas实现趋势转折标记：识别数据集局部极值（峰谷）

首先咱们先把核心逻辑掰扯清楚：

• 当上涨趋势转为下跌趋势时，反转前最后一条「上涨」记录就是峰（peak）
• 当下跌趋势转为上涨趋势时，反转前最后一条「下跌」记录就是谷（trough）

下面我会用Python结合带break/continue的循环来实现这个需求，先假设你的CSV数据结构大概是这样（示例）：

date,price,trend
2024-01-01,100,up
2024-01-02,105,up
2024-01-03,103,down
2024-01-04,98,down
2024-01-05,101,up

步骤1：读取并预处理数据 #

先借助pandas来处理CSV（没装的话先跑pip install pandas），读取数据后新增一列signal用来标记峰/谷：

import pandas as pd

# 读取目标CSV文件
df = pd.read_csv('stock_data.csv')
# 初始化标记列，默认空值
df['signal'] = ''

步骤2：用循环识别峰谷（含break/continue） #

这里我们会跟踪当前的趋势状态，遍历数据时判断趋势是否反转，一旦反转就回溯标记对应的峰/谷：

# 先做边界判断：数据量少于2条的话没法识别趋势反转
if len(df) < 2:
    print("数据量太少啦，没法判断趋势反转")
    exit()

# 初始化趋势跟踪变量
prev_trend = df.iloc[0]['trend']

# 从第2条数据开始遍历（索引从1开始）
for i in range(1, len(df)):
    current_trend = df.iloc[i]['trend']
    
    # 如果当前趋势和上一个趋势一致，直接跳过本轮循环，继续下一条
    if current_trend == prev_trend:
        prev_trend = current_trend
        continue
    
    # 趋势发生反转，开始标记峰谷
    if prev_trend == 'up' and current_trend == 'down':
        # 上涨转下跌，反转前最后一条上涨记录就是峰
        df.loc[i-1, 'signal'] = 'peak'
    elif prev_trend == 'down' and current_trend == 'up':
        # 下跌转上涨，反转前最后一条下跌记录就是谷
        df.loc[i-1, 'signal'] = 'trough'
    
    # 更新趋势跟踪变量，继续下一轮循环
    prev_trend = current_trend

# 把处理后的结果保存到新CSV
df.to_csv('stock_data_with_signals.csv', index=False)

代码逻辑拆解 #

1. continue的作用：当趋势没变化时，直接跳过后续逻辑，避免做无用功，让循环更高效。
2. 反转判断逻辑：只有当趋势发生切换时，才会触发峰谷标记，精准定位到反转前的最后一条对应趋势记录（索引i-1）。
3. 边界处理：开头先判断数据量是否足够，避免出现索引越界的错误。

扩展优化（可选） #

如果你的CSV里没有现成的trend列，而是需要通过收盘价计算涨跌，可以先补上这一步：

# 根据收盘价计算涨跌趋势：当日收盘价>前一日为up，否则为down
df['trend'] = df['price'].apply(lambda x: 'up' if x > df['price'].shift(1) else 'down')
# 第一条数据没有前一日参考，设为缺失值或者自定义状态
df.loc[0, 'trend'] = pd.NA

这样整个流程就完整啦，完全用循环结合break/continue实现了你的需求，处理后的数据会在signal列清晰标记出所有的峰和谷。

内容的提问来源于stack exchange，提问作者Akash Narang