找出最大亏损的结束时间？

Question

我看着this answer那里，他们有一个非常聪明的解决方案，可以找到最大跌幅开始的点，最大跌幅是最低点。但是，根据Wikipedia，这还不是结束时间（如答案中所述）。周期结束是您达到缩水期开始之前的峰值时。

这意味着缩水期对我链接的答案中给出的图形没有终点。我正在尝试编写可以解决此问题的代码，在两种情况下，{1）有结束时间，2）没有结束时间}。

如果句号永远不会结束，我只希望它返回数组的最后一个索引（因此基本上是数组的长度），如果句号确实结束了，我想要正确的索引。这是一个简化的示例，其中我尝试解决第一种情况-当它有结束时间时：

import numpy as np

an_array = [21, 22, 23, 40, 19, 35, 37, 45, 42, 39, 28]
running_maximum = np.maximum.accumulate(an_array)
# running_maximum = [21, 22, 23, 40, 40, 40, 40, 45, 45, 45, 45]

bottom_index = np.argmax(running_maximum - an_array)
start_index = np.argmax(an_array[:bottom_of_period])
# bottom_index = 4, start_index = 3

difference = running_maximum - an_array
# difference = [0, 0, 0, 0, 21, 5, 3, 0, 3, 6, 17]

我之所以计算difference是因为它很容易看到end_index=7。这是因为最大跌幅在索引4处为21，并且由于difference=0在索引7处再次出现，这意味着我再次超过（或刚刚达到）我的峰值。我尝试编写np.argmin(difference[bottom_index:])来获取索引，但是由于我对向量difference进行了切片，因此这当然不会给我7，而是给了我3，这是不正确的。

关于如何解决此问题的任何技巧，并使其在没有结束时间的情况下返回最后一个索引，这将是令人惊讶的。

Answer 1

我认为这可以解决；

import numpy as np

an_array = [21, 22, 23, 40, 19, 35, 37, 45, 42, 39, 28]
running_maximum = np.maximum.accumulate(an_array)
difference = running_maximum - an_array

bottom_index = np.argmax(difference)
start_index = np.argmax(an_array[:bottom_index])

if difference[bottom_index:].__contains__(0):
    end_index = len(difference[:bottom_index]) + np.argmin(difference[bottom_index:])
else:
    end_index = len(difference)

使用给定的示例数组，我得到end_index = 7。如果我更改an_array[4]=39，最大的缺点将不再结束，而我得到end_index = 11。不确定__contains__(0)是否有效。