Pandas – Как извлечь значение в текущую строку на основе предыдущей строки

Код

Имея дело с концепцией смены знаков, важно уточнить, как обращаться с 0. Поскольку в тексте нет объяснений, я предположил, что 0 не существует, и сгенерировал ответ.

out = df[df['Col D'].mul(df['Col D'].shift()).lt(0)].index

вне:

Int64Index([3, 7], dtype='int64')

Пример кода

import pandas as pd
data = {'Col D': [23.3, 24.4, 43.0, -45.0, -54.0, -56.0, -89.0, 89.0, 90.0]}
df = pd.DataFrame(data)

дф

    Col D
0   23.3
1   24.4
2   43.0
3   -45.0
4   -54.0
5   -56.0
6   -89.0
7   89.0
8   90.0

Вы можете использовать маску и дифф.

Если вы хотите считать 0 положительным числом:

s = df['Col D'].ge(0)
out = df.index[s.diff().fillna(False)]

Если вы хотите рассматривать 0 отдельно от отрицательного/положительного, сначала используйте numpy.sign:

import numpy as np

s = np.sign(df['Col D'])
out = df.index[s.diff().fillna(0).ne(0)]

Выход:

Index([3, 7], dtype='int64')

Промежуточные продукты

считая 0 положительным числом:

   Col D      s s.diff()  s.diff().fillna(False)
0      1   True      NaN                   False
1      2   True    False                   False
2     -1  False     True                    True
3     -2  False    False                   False
4      0   True     True                    True
5      1   True    False                   False  # 1 and 0 have the same sign

учитывая 0 независимо:

   Col D  s  s.diff()  s.diff().fillna(0).ne(0)
0      1  1       NaN                     False
1      2  1       0.0                     False
2     -1 -1      -2.0                      True
3     -2 -1       0.0                     False
4      0  0       1.0                      True
5      1  1       1.0                      True  # 1 and 0 have a different sign

Функция numpy.sign возвращает -1 if x < 0, 0 if x==0, 1 if x > 0. Абсолютная разница между возвращаемыми значениями между двумя строками при изменении знака равна 2. Используйте метод series.diff, чтобы найти, где это происходит.

import numpy as np
import pandas as pd

sample = {
    "D": [23.3, 24.4, 43, -45, -54, -56, -89, 89, 90]
}

df = pd.DataFrame(sample)

df.index[df.D.map(np.sign).diff().abs().eq(2)]

Выход:

Index([3, 7], dtype='int64')

Объяснение операций с данными:

• df.D: выбирает столбец «D» из DataFrame df, что эквивалентно df["D"].

• .map(np.sign): применяет функцию NumPy np.sign поэлементно к значениям в столбце «D». Функция np.sign возвращает -1 для отрицательных чисел, 0 для нуля и 1 для положительных чисел.

• .diff(): вычисляет разницу между последовательными элементами ряда, полученными после применения np.sign к столбцу «D». Учитывая, что в столбце нет нулевого значения, возможными результатами являются -2 и 2 (Отрицательный -> Положительный: -1 - 1 = -2; Положительный -> Отрицательный: 1 - -1 =2)

• .abs(): вычисляет абсолютное значение результирующей серии на основе .diff(). Этот шаг гарантирует, что все различия положительны, поэтому при изменении знака результат всегда равен 2.

• .eq(2): Сравнивает каждый элемент результирующей серии с 2, возвращая логическую серию, где True указывает, что разница равна 2, а False в противном случае.

• df.index[df.D.map(np.sign).diff().abs().eq(2)]: окончательное выражение использует логическое индексирование индекса DataFrame для извлечения индексов, в которых условие .eq(2) имеет значение True.

import numpy as np
import pandas as pd


data = {'Index': [0, 1, 2, 3, 4, 5, 6, 7, 8],
        'Col D': [23.3, 24.4, 43, -45, -54, -56, -89, 89, 90]}
df = pd.DataFrame(data)
print(df)
# Convert Column D to a NumPy array
col_d_values = df['Col D'].to_numpy()#df['Col D'].values

# Find the sign of each value in Column D
signs = np.sign(col_d_values)
print(signs)#[ 1.  1.  1. -1. -1. -1. -1.  1.  1.]

# Find the indices where the sign changes
sign_changes = np.where(np.diff(signs) != 0)[0] + 1

# Get the index references where the sign changes
index_references = df.loc[sign_changes, 'Index'].tolist()

print(index_references)#[3, 7]