pandas dataframe 条件人口新列

Question

我正在处理 pandas DataFrame 中的列（趋势）。下面是我的源 DataFrame。目前我已将其设置为 0。

我想用来填充趋势列的逻辑如下

1. 如果 df['Close'] > df.shift(1)['Down'] 那么 1

2. 如果 df['Close'] < df.shift(1)['Up'] 那么 -1

3. 如果上述任何一个条件不满足，则 df.shift(1)['Trend']。 如果此值为 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列的前一行值，则为 1
2. 如果当前收盘价小于Up列的前一行值，则 -1
3. 如果这些条件中的任何一个不满足，则设置Trend列的前一行值，只要它不是 NaN 。 如果它的 NaN 则设置为 1

更新

文本形式的数据

   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

预计 output

Answer 1

根据满足的条件，我们可以使用numpy.select到 select 的值。 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“趋势”值填充，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))

Output：

    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