给定以下数据框：
date type price
20150101 X 0.8
20150102 X 0.9
20150103 X 1.0
20150104 X 0.9
20150105 abc 12.3
20150106 abc 12.4
20150107 abc 12.4
20150108 X 0.7
20150109 X 0.6
20150110 X 0.9
20150111 abc 12.3
20150112 abc 12.4
20150113 X 0.5
20150114 X 0.6
20150115 abc 12.3
20150116 abc 12.4
数据由X的群集价格和abc的价格组成。我想使用以下规则基于“类型”和“价格”中的条目来计算新列（称为“位置”）：
1. 'position' = 0 if 'type'=='X'
2. 'position' = 1 if 'type'=='abc' and max of price of X in the 'previous section' is >=1
3. 'position' = -1 if 'type'=='abc' and min of price of X in the 'previous section' is <=0.5
4. 'position' = 0 if 'type'=='abc' and otherwise
5.Notes: definition of "previous section" is the period with cluster of prices of "X" between two sections of 'abc' prices. For example
for 20150105-20150107 previous section is 20150101-20150104
for 20150111-20150112 previous section is 20150108-20150110
for 20150115-20150116 previous section is 20150113-20150114
这样我就可以创建以下数据框：
date type price position
20150101 X 0.8 0
20150102 X 0.9 0
20150103 X 1.0 0
20150104 X 0.9 0
20150105 abc 12.3 1
20150106 abc 12.4 1
20150107 abc 12.4 1
20150108 X 0.7 0
20150109 X 0.6 0
20150110 X 0.9 0
20150111 abc 12.3 0
20150112 abc 12.4 0
20150113 X 0.5 0
20150114 X 0.6 0
20150115 abc 12.3 -1
20150116 abc 12.4 -1
我面临的困难是我不知道如何定义“上一节”。我尝试使用ivot_table，它似乎更易于操作，并且我想生成相同的“位置”列，如下所示：
date X abc position
20150101 0.8 nan 0
20150102 0.9 nan 0
20150103 1.0 nan 0
20150104 0.9 nan 0
20150105 nan 12.3 1
20150106 nan 12.4 1
20150107 nan 12.4 1
20150108 0.7 nan 0
20150109 0.6 nan 0
20150110 0.9 nan 0
20150111 nan 12.3 0
20150112 nan 12.4 0
20150113 0.5 nan 0
20150114 0.6 nan 0
20150115 nan 12.3 -1
20150116 nan 12.4 -1
但我仍然不知道如何定义“上一个区间”来计算X价格各区间的最大值，最小值或任何其他值。
最佳答案
问题的一般形式是发现重复值。熊猫的本能应该是达到groupby，但是在实际的序列值上使用简单的groupby在这里将不起作用，因为它将组合不连续的相似值。相反，我喜欢为此使用Series.diff和Series.cumsum。
series = pd.Series(["abc", "abc", "x", "x", "x", "abc", "abc"])
您不能在字符串上使用
Series.diff，因此首先创建字符串到int的映射。这些值仅需唯一。mapping = {v: k for k, v in enumerate(set(series)) # {"abc": 0, "x" 1}
int_series = series.map(mapping) # pd.Series([0, 0, 1, 1, 1, 0, 0])
现在您可以使用
Series.diff。 Series.diff给您series[n] - series[n - 1]。起始值没有上一行，因此始终为NaN。int_series.diff() # [NaN, 0, 1, 0, 0, -1, 0]
使用
Series.diff，我们可以通过测试!= 0找到每个组的开始。starts = int_series.diff() != 0 # [True, False, True, False, False, True, False]
将其与您的原始值进行比较，以了解我们如何找到每个组的起点：
starts # [True, False, True, False, False, True, False]
series # ["abc", "abc", "x", "x", "x", "abc", "abc"]
我们不想只知道每个组的开始-我们想知道每一行在哪个组中。Easy-peasy-
Series.cumsum将每行添加到上一行。方便地，如果您尝试在Python中添加bool，它们将被强制加入其超类int。True + True # 2
True + False # 1
groups = starts.cumsum() # [1, 1, 2, 2, 2, 3, 3]
现在，您可以使用
groupby(groups)独立地作用于每个组。for _, sequence in series.groupby(groups):
print sequence
# ["abc", "abc"]
# ["x", "x, "x"]
# ["abc", "abc"]
在您的特定情况下：
group_mins = prices.groupby(groups).min()
previous_group_below_min = (groups - 1).map(group_mins) < SOME_CONSTANT
关于python - 根据 Pandas 数据框中2列的数据计算值，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/29785621/