Панды катят ближайшее значение

Пытаться:

def find_closest_value(idx):
    g = df.loc[: idx.iat[-1]]
    close_ = g.loc[idx.iat[-1], "close"]
    closest_open_to_close = (g.loc[: idx.iat[-2], "open"] - close_).abs().argmin()
    return g.index[closest_open_to_close]


df["nearest"] = df.index.to_frame().expanding(min_periods=2).apply(find_closest_value)
print(df)

Распечатки:

              timestamp      open      high       low     close  delta  atr  last_index  bearish  bullish_turning_point  nearest
2   04-10-2024 01:54:44  18370.00  18377.75  18367.50  18376.00     32    0        1949    False                   True      NaN
5   04-10-2024 03:21:14  18376.50  18383.00  18375.25  18381.25     28    0        3899    False                   True      2.0
7   04-10-2024 04:38:54  18378.50  18386.25  18378.25  18385.50    133    0        5199    False                   True      5.0
9   04-10-2024 05:30:27  18384.00  18389.50  18378.75  18388.25    135    0        6499    False                   True      7.0
12  04-10-2024 06:06:12  18371.00  18378.00  18369.50  18378.00    130    0        8449    False                   True      7.0
14  04-10-2024 06:33:44  18372.25  18383.75  18372.00  18376.25     67    0        9749    False                   True      5.0
18  04-10-2024 07:21:14  18377.50  18387.75  18376.25  18380.00      8    0       12349    False                   True      7.0
22  04-10-2024 07:47:58  18388.00  18396.75  18385.25  18389.50    -30    0       14949    False                   True      9.0
25  04-10-2024 08:06:17  18390.75  18397.00  18387.50  18392.00    -25    0       16899    False                   True     22.0
28  04-10-2024 08:33:32  18384.75  18398.00  18383.25  18394.00     89    0       18849    False                   True     25.0
30  04-10-2024 08:54:35  18391.25  18403.00  18387.75  18399.25     84    0       20149    False                   True     25.0
34  04-10-2024 09:11:15  18388.75  18396.25  18385.75  18392.25     15    0       22749    False                   True     30.0
43  04-10-2024 10:02:22  18343.50  18350.50  18341.25  18350.50    113    0       28599    False                   True      2.0
46  04-10-2024 10:14:44  18352.00  18361.75  18352.00  18360.00    -42    0       30549    False                   True      2.0
49  04-10-2024 10:35:49  18354.00  18361.25  18347.75  18358.00     49    0       32499    False                   True     46.0
52  04-10-2024 10:54:18  18362.25  18372.00  18361.50  18372.00    180    0       34449    False                   True     14.0
56  04-10-2024 11:12:32  18369.25  18379.50  18367.00  18376.50     78    0       37049    False                   True      5.0
59  04-10-2024 11:27:27  18370.00  18376.50  18367.50  18373.25     54    0       38999    False                   True     14.0
65  04-10-2024 12:01:53  18377.75  18388.25  18377.50  18383.25    108    0       42899    False                   True      9.0
73  04-10-2024 12:25:04  18382.00  18386.25  18381.00  18384.75     65    0       48099    False                   True     28.0

Если вы хотите включить открытие текущей строки в ближайшие открытые значения, вы можете сделать это:

df['nearest'] = [(abs(df.loc[:i, 'open'] - close)).idxmin() for i, close in df['close'].items()]

Выход:

[2, 5, 7, 9, 7, 5, 7, 22, 25, 25, 30, 30, 43, 46, 49, 14, 5, 14, 9, 28]

Если вы не хотите включать открытие текущей строки, все становится немного сложнее:

df['nearest'] = [0] + [(abs(df.loc[:df.index[i-1], 'open'] - close)).idxmin() for i, close in enumerate(df['close'][1:], 1)]

Выход:

[0, 2, 5, 7, 7, 5, 7, 9, 22, 25, 25, 30, 2, 2, 46, 14, 5, 14, 9, 28]

По желанию вы можете заменить np.nan (или что-нибудь еще) на значение первой строки.

Приведенный выше код реализует то, что фактически является расширяющимся окном. Если вы хотите реализовать скользящее окно, вы можете использовать этот код:

k = 5    # length of window
df['nearest'] = [0] * k + [(abs(df.loc[df.index[i-k]:df.index[i-1], 'open'] - close)).idxmin() for i, close in enumerate(df['close'][k:], k)]

Выход:

# k = 5
[0, 0, 0, 0, 0, 5, 7, 9, 22, 25, 25, 30, 28, 43, 46, 34, 34, 56, 59, 65]
# k = 8
[0, 0, 0, 0, 0, 0, 0, 0, 22, 25, 25, 30, 12, 14, 46, 28, 28, 56, 34, 34]