比较 Pandas 系列中的前一个值和下一个值答案

【问题标题】：Comparing previous value and next value in Pandas Series比较 Pandas 系列中的前一个值和下一个值
【发布时间】：2019-02-22 06:52:10
【问题描述】：

我有一个带有 OHCL 数据的 pandas 数据框，我想将 Low 系列中的每个值与该系列中的前一个值和下一个值进行比较。

2018-08-31    1.15839
2018-08-30    1.16411
2018-08-29    1.16511
2018-08-28    1.16618
2018-08-27    1.15938
2018-08-24    1.15340

如果该值小于该系列中的前一个值且小于该系列中的下一个值，我想将该索引中的 新系列 (df.Low) 中的值返回为 True , 否则为 False。

另一种可能性是检索条件为真但附加索引的值。

我尝试使用 zip 并且这有效，但这样做我丢失了索引。

Lows = []
Highs = []

for x,y,z in zip(df.Low_Price[::],df.Low_Price[1::],df.Low_Price[2::]):
    if x > y < z:
        Low = np.around(y, decimals=5)
        Lows.append(Low)

for x,y,z in zip(df.High_Price[::],df.High_Price[1::],df.High_Price[2::]):
    if x < y > z:
        High = np.around(y, decimals=5)
        Highs.append(High)

谢谢！

【问题讨论】：

顺便说一句，您正在引入前瞻偏差（除非“下一个值”是向后看的，即 T-2？）。另外，您的预期输出是什么？
我正在尝试检索所有可能的低点和高点，这是曲折指标的第一步。确定新低的下一步将是如果下一个上涨触及 38.2 斐波那契回撤位并且价格没有越过之前的低点。此步骤是寻找可能的高点和低点候选者，其中前一个和下一个蜡烛不高于（对于高点）和较低（对于低点）。

标签： python pandas loops zip series

【解决方案1】：

使用移位：

对于低，

df[(df['a'].lt(df['a'].shift(-1))) & df['a'].lt(df['a'].shift(1))]

对于高，

df[(df['a'].gt(df['a'].shift(-1))) & df['a'].gt(df['a'].shift(1))]

【讨论】：

【解决方案2】：

使用 zip 对您的解决方案稍作修改

Lows = []
Highs = []

for i,x,y,z in zip(df.index[1::], df.Low_Price[::],df.Low_Price[1::],df.Low_Price[2::]):
    if x > y < z:
        Low = np.around(y, decimals=5)
        Lows.append([i, Low])

for i,x,y,z in zip(df.index[1::],df.High_Price[::],df.High_Price[1::],df.High_Price[2::]):
    if x < y > z:
        High = np.around(y, decimals=5)
        Highs.append([i, High])

【讨论】：

【解决方案3】：

您可以尝试将数据帧值转移到下一个和上一个以检查条件

考虑的数据框

        0        1
0   2018-08-31  1.15839
1   2018-08-30  1.16411
2   2018-08-29  1.16511
3   2018-08-28  1.16618
4   2018-08-27  1.15938
5   2018-08-24  1.15340


[(df[1].ge(df[1].shift())) & df[1].le(df[1].shift(-1))]

输出：

[0    False
 1     True
 2     True
 3    False
 4    False
 5    False
 Name: 1, dtype: bool]

如果您的意图只是检查整列的低值，您可以使用

df[1].min()

输出：

1.1534

【讨论】：