如何在没有熊猫循环的情况下连续计算负数和正值的数量（计数）和总和？我想获得连续负值的最大和，以及连续正值的最大和。示例数据框：
datetime Value
2018-11-12 15:10:00 2.00
2018-11-12 15:20:00 -10.50
2018-11-12 15:30:00 10.50
2018-11-12 15:40:00 7.50
2018-11-12 15:50:00 8.00
2018-11-12 16:10:00 -20.00
2018-11-12 16:20:00 -10.00
我希望输出为：
Max # of negatives in a row: 2, Total value = -30.00
Max # of positives in a row: 3, Total value = 26.00
一个简单的
pd.groupby()不能解决问题，因为它不对订单进行分组。也许某种SQL查询？ pd.query()？ 最佳答案
我的方法是首先给每个“连续相同的符号”-组一个不同的数字，以便继续使用groupby。
将Value及其移位数组与符号进行比较可得出这些组的分隔符。然后，如果需要，累积求和会得出唯一的数字，标识符：
df['grpnum'] = (np.sign(df.Value) != np.sign(df.Value.shift())).cumsum()
然后，您可以将此标识符分组，并计算组的长度，总和及其符号：
ranking = df.groupby('grpnum').agg([sum, len, lambda x: sum(x)>0]).Value
这导致
sum len <lambda>
grpnum
1 2.0 1.0 True
2 -10.5 1.0 False
3 26.0 3.0 True
4 -30.0 2.0 False
print(ranking.groupby('<lambda>')['sum', 'len'].apply(lambda g: g[g['len']==g['len'].max()]))
sum len
<lambda> grpnum
True 3 26.0 3.0
False 4 -30.0 2.0
关于python - Pandas -如何连续获取负值和正值，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/53461722/