如何在Pandas中回溯性生成Trend趋势状态列？

已有数据与预处理 #

我们已经创建了如下Pandas DataFrame，并生成了cnsIncr（连续递增计数）和cnsDecr（连续递减计数）列：

import pandas as pd
import numpy as np

# 创建初始DataFrame
ds = {'col1' : [234,321,284,286,287,300,301,303,305,299,288,300,299,287,286,280,279,270,269,301]}
df = pd.DataFrame(data=ds)

# 生成连续递增/递减计数列（修正边界问题）
cnsIncr = []
cnsDecr = []
col1 = np.array(df['col1'])
for i in range(len(df)):
    cnsIncr.append(0)
    cnsDecr.append(0)
    if i > 0:
        if col1[i] > col1[i-1]:
            cnsIncr[i] = cnsIncr[i-1]+1
        else:
            cnsIncr[i] = 0
        if col1[i] < col1[i-1]:
            cnsDecr[i] = cnsDecr[i-1]+1
        else:
            cnsDecr[i] = 0
df['cnsIncr'] = cnsIncr
df['cnsDecr'] = cnsDecr

需求说明 #

需要生成Trend列，规则如下：

• 若某段连续递增序列中出现cnsIncr≥5，则从该段的cnsIncr=0起始行到cnsIncr≥5的所有行标记为UpTrend
• 若某段连续递减序列中出现cnsDecr≥5，则从该段的cnsDecr=0起始行到cnsDecr≥5的所有行标记为DownTrend
• 其余情况标记为NoTrend

实现方法 #

通过标记趋势段的分组ID，筛选出符合条件的段后批量赋值，具体代码如下：

# 初始化Trend列为默认值
df['Trend'] = 'NoTrend'

# 处理UpTrend
# 为每个连续递增段分配唯一分组ID：cnsIncr为0时代表新段开始，分组ID累加
df['incr_group'] = (df['cnsIncr'] == 0).cumsum()
# 筛选出最大cnsIncr≥5的递增分组
valid_incr_groups = df.groupby('incr_group')['cnsIncr'].max()[lambda x: x >=5].index
# 为这些分组的所有行标记UpTrend
df.loc[df['incr_group'].isin(valid_incr_groups), 'Trend'] = 'UpTrend'

# 处理DownTrend，逻辑与UpTrend一致
df['decr_group'] = (df['cnsDecr'] == 0).cumsum()
valid_decr_groups = df.groupby('decr_group')['cnsDecr'].max()[lambda x: x >=5].index
df.loc[df['decr_group'].isin(valid_decr_groups), 'Trend'] = 'DownTrend'

# 清理临时分组列
df.drop(['incr_group', 'decr_group'], axis=1, inplace=True)

# 查看最终结果
print(df)

逻辑解释 #

1. 分组标记：利用cumsum()为每个连续趋势段生成唯一ID，当计数回到0时，代表新的趋势段启动，分组ID自动累加。
2. 筛选有效段：按分组统计最大计数值，筛选出满足阈值（≥5）的趋势段。
3. 批量赋值：将有效段内的所有行统一标记为对应趋势值。若出现极端冲突情况（同一段同时满足递增递减条件），后执行的赋值会覆盖先执行的，可根据需求调整顺序。

内容的提问来源于stack exchange，提问作者Giampaolo Levorato