熊猫最接近的未来价值不等于当前行

Question

我有一个Pandas DataFrame，其中包含一列price和一个DateTimeIndex。我希望创建一个新列，当price在下次更改时增加时为0，如果减少则为0。多个连续行可能具有相同的price值。

示例：

import pandas as pd
df = pd.DataFrame({"price" : [10, 10, 20, 10, 30, 5]}, index=pd.date_range(start="2017-01-01", end="2017-01-06"))

输出应为：

2017-01-01     1
2017-01-02     1
2017-01-03     0
2017-01-04     1
2017-01-05     0
2017-01-06     NaN

实际上这个DF有大约20mm的行，所以我真的在寻找一种矢量化的方法。

Answer 1

以下是一种方法：

1. 计算价格差异并向上移动一个;

2. 使用numpy.where将1分配给价格上涨的位置，将0分配给价格下降的位置;

3. 回填指标列，因此非变化值与下一个可用观察值相同;

在代码中：

import numpy as np
price_diff = df.price.diff().shift(-1)
df['indicator'] = np.where(price_diff.gt(0), 1, np.where(price_diff.lt(0), 0, np.nan))
df['indicator'] = df.indicator.bfill()

df
#            price  indicator
#2017-01-01     10      1.0
#2017-01-02     10      1.0
#2017-01-03     20      0.0
#2017-01-04     10      1.0
#2017-01-05     30      0.0
#2017-01-06      5      NaN

Answer 2

df['New']=(df-df.shift(-1))[:-1].le(0).astype(int)
df
Out[879]: 
            price  New
2017-01-01     10  1.0
2017-01-02     10  1.0
2017-01-03     20  0.0
2017-01-04     10  1.0
2017-01-05     30  0.0
2017-01-06      5  NaN

Answer 3

使用shift：

sh = df['price'].shift(-1)
out = sh[~sh.isnull()] = df['price']<=sh

或

sh = df['price'].shift(-1)
out = np.where(sh.isnull(), np.nan, df['price']<=sh)