pandas dataframe 新列的条件填充

Question

我正在研究 pandas DataFrame 中的列（趋势）的操作。下面是我的源数据框。目前我已将其设置为 0。

我想要用于填充趋势列的逻辑位于

1. if df['Close'] > 下方df.shift(1)['向下'] 然后 1

2. if df['Close']

   df.shift(1)['Up'] 然后 -1

3. 如果上述任何一个条件不满足，则 df.shift(1)['Trend']。如果该值为 NaN，则将其设置为 1。

以上纯文本代码，

1. 如果当前收盘价大于 Down 列的上一行值，则
2. 如果当前收盘价小于 列的上一行值， 向上列然后 -1
3. 则为 1如果其中任何一个条件不满足，则 ，然后设置趋势列的上一行值，只要其不是 NaN。如果其 NaN 则设置为 1

更新

数据作为文本

   Close        Up      Down  Trend
   3.138       NaN       NaN      0
   3.141       NaN       NaN      0
   3.141       NaN       NaN      0
   3.130       NaN       NaN      0
   3.110       NaN       NaN      0
   3.130  3.026432  3.214568      0
   3.142  3.044721  3.214568      0
   3.140  3.047010  3.214568      0
   3.146  3.059807  3.214568      0
   3.153  3.064479  3.214568      0
   3.173  3.080040  3.214568      0
   3.145  3.080040  3.214568      0
   3.132  3.080040  3.214568      0
   3.131  3.080040  3.209850      0
   3.141  3.080040  3.209850      0
   3.098  3.080040  3.205953      0
   3.070  3.080040  3.195226      0

预期输出

Answer 1

我们可以使用 numpy.select 根据满足的条件来选择值。然后将 numpy.select 的结果传递给 fillna 以用它填充缺失的“趋势”值（这用于不丢失现有的“趋势”值）。然后，由于 NaN 趋势值必须用之前的“Trend”值填充，因此我们使用 ffill 并用 1 填充剩余的 NaN 值。

import numpy as np
df['Trend'] = (df['Trend'].replace(0, np.nan)
               .fillna(pd.Series(np.select([df['Close'] > df['Down'].shift(), 
                                            df['Close'] < df['Up'].shift()],
                                           [1, -1], np.nan), index=df.index))
               .ffill().fillna(1))

输出：

    Close        Up      Down  Trend
0   3.138       NaN       NaN    1.0
1   3.141       NaN       NaN    1.0
2   3.141       NaN       NaN    1.0
3   3.130       NaN       NaN    1.0
4   3.110       NaN       NaN    1.0
5   3.130  3.026432  3.214568    1.0
6   3.142  3.044721  3.214568    1.0
7   3.140  3.047010  3.214568    1.0
8   3.146  3.059807  3.214568    1.0
9   3.153  3.064479  3.214568    1.0
10  3.173  3.080040  3.214568    1.0
11  3.145  3.080040  3.214568    1.0
12  3.132  3.080040  3.214568    1.0
13  3.131  3.080040  3.209850    1.0
14  3.141  3.080040  3.209850    1.0
15  3.098  3.080040  3.205953    1.0
16  3.070  3.080040  3.195226   -1.0