如何使用滚动功能比较元素

Question

我想用pandasrolling函数比较第一个元素是否小于第二个。我认为以下代码应该可以工作：

import numpy as np
import pandas as pd
df = pd.DataFrame(data=np.random.randint(0,10,10), columns=['temperature'])
df.rolling(window=2).apply(lambda x: x[0] < x[1])

但它不起作用。相反，我收到一条错误消息：

ValueError: 0 is not in range

有人知道是什么原因造成的吗？

更新： 我知道我可以使用diff 函数，但我真正想做的是这样的

df.rolling(window=3).apply(lambda x: x[0] < x[1] < x[2])

Answer 1

用 x.iloc[n] 替换 x[n] 应该可以工作（使用位置索引）

import numpy as np
import pandas as pd
df = pd.DataFrame(data=np.random.randint(0,10,10), columns=['temperature'])
df['increasing'] = df.rolling(window=2).apply(lambda x: x.iloc[0] < x.iloc[1])

   temperature  increasing
0            8         NaN
1            9         1.0
2            0         0.0
3            3         1.0
4            8         1.0
5            7         0.0
6            7         0.0
7            8         1.0
8            7         0.0
9            6         0.0

为什么？：

您的 lambda 函数中“x”的值如下所示：

第一次迭代：

指数温度
0 8
1 9

第二次迭代：

指数温度
1 9
2 0

第三次迭代：

指数温度
2 0
3 3

第一次迭代有效，因为索引 0 和 1 可用（所以 x[0] < x[1] 工作正常）。但是，在第二次迭代中，索引 0 不可用并且 x[0] 因您的 ValueError 而失败。我的解决方案使用位置索引（使用 .iloc）并忽略那些索引值（请参阅https://pandas.pydata.org/docs/user_guide/indexing.html）。

这也是为什么您的代码可以在两行中正常工作的原因，例如

df = pd.DataFrame(data=np.random.randint(0,10,2), columns=['temperature'])
df.rolling(window=2).apply(lambda x: x[0] < x[1])

Answer 2

IIUC，如果确定温度是否高于之前的温度，你想达到什么效果？

你可以使用diff:

df['temperature'].diff().gt(0)

检查连续增加：

N = 3  # 3 consecutive values are increasing (= 2 increases)
df['increases2'] = df['temperature'].diff().gt(0).rolling(N-1).sum().eq(N-1)

示例：

>>> df['increases'] = df['temperature'].diff().gt(0)
>>> df['increases2'] = df['temperature'].diff().gt(0).rolling(N-1).sum().eq(N-1)

   temperature  increases  increases2
0            7      False       False
1            7      False       False
2            9       True       False
3            1      False       False
4            7       True       False
5            0      False       False
6            6       True       False
7            9       True        True
8            9      False       False
9            7      False       False