检测Python数据集中的区域

我试图解决一个不太难解决的问题，但我很难找到解决的方法

基本上，我有一组OHLC数据：

>>print(df)

                       Open    High     Low   Close       Volume                Date
Date
2020-11-02 00:00:00  396.68  401.01  396.44  400.70  41468.48318 2020-11-02 00:00:00
2020-11-02 00:30:00  400.68  404.50  400.61  402.45  35209.25068 2020-11-02 00:30:00
2020-11-02 01:00:00  402.48  403.14  400.62  401.89  18107.53656 2020-11-02 01:00:00
2020-11-02 01:30:00  401.88  402.88  401.26  402.48  13852.17215 2020-11-02 01:30:00
2020-11-02 02:00:00  402.49  403.85  398.82  401.17  21853.35028 2020-11-02 02:00:00
...                     ...     ...     ...     ...          ...                 ...
2020-11-04 19:30:00  401.88  403.88  401.88  402.46  17944.49509 2020-11-04 19:30:00
2020-11-04 20:00:00  402.50  404.23  397.72  399.59  41674.44864 2020-11-04 20:00:00
2020-11-04 20:30:00  399.60  402.26  399.40  401.21  18606.38545 2020-11-04 20:30:00
2020-11-04 21:00:00  401.20  403.15  400.79  402.70  14408.66482 2020-11-04 21:00:00
2020-11-04 21:30:00  402.69  403.01  401.74  402.71   8873.15569 2020-11-04 21:30:00

给定一个固定的范围，该范围可以是10（从350到360，351到361，依此类推），当超过N根蜡烛在该范围内闭合时进行检测。所以基本上这个范围需要“滑动”整个图表，找到符合我上面描述的标准的区域（超过N个蜡烛在这个范围内闭合）

以下是一个可视示例：

在本例中，白色框中有6支蜡烛闭合，因此这就是我要寻找的，请注意蜡烛必须而不是穿过框，它只需要从那里“开始”

---

我尽力把它说得尽可能清楚和详细。我想发布更多的代码，但我真的很难找到一种方法来实现这一点，尽管我很确定它应该很容易与熊猫，Numpy或scipy。有人能帮我找到这方面的方向吗？欢迎提供任何建议

您的描述有点模糊，但这可能会有所帮助：

比如说，您在一个名为

start

的numpy数组中有起始点，通过以下方式找到这些点在350到360之间的位置：

np.where((start > 350) & (start < 360))

np.其中（（开始>350）和（开始<360））

要查看这些点的数量，请执行以下操作：

len(np.where((start  >350) & (start  < 360))[0])

len（np.where（（start>350）和（start<360））[0]）

您的描述有点模糊，但这可能会有所帮助：

比如说，您在一个名为

start

的numpy数组中有起始点，通过以下方式找到这些点在350到360之间的位置：

np.where((start > 350) & (start < 360))

np.其中（（开始>350）和（开始<360））

要查看这些点的数量，请执行以下操作：

len(np.where((start  >350) & (start  < 360))[0])

len（np.where（（start>350）和（start<360））[0]）

我建议您在代码中添加一个循环。这将是一种悲哀：

mini = df['close'].min()
maxi  = df['close'].max()

candles = []
for i in range(mini, maxi-10):
    n = len(df[df['Close'].between(i,i+10)])
    if n>=6:
        candles.append((mini, maxi, n))  

---

请你在你的数据框上试用一下，看看是否有效

我建议您在代码中添加一个循环。这将是一种悲哀：

mini = df['close'].min()
maxi  = df['close'].max()

candles = []
for i in range(mini, maxi-10):
    n = len(df[df['Close'].between(i,i+10)])
    if n>=6:
        candles.append((mini, maxi, n))  

---

请你在你的数据框上试用一下，看看是否有效

您可以通过以下方法在numpy中找到区域：1）制作一个整数T/F数组，标记区域中的点；2） 通过减去相邻点，找出台阶的位置（进入和离开区域）；3） 使用

np.nonzero

查找步骤2中的边界

下面是一个示例（最后一个图中的绿色带表示仅由

非零返回的两个索引标识的区域）：

另外，请注意，我在列表中有一个循环，通常在使用pandas和numpy时，最好尽量避免此类循环，但在本例中，循环不是通过所有数据，而是通过端点列表，这是一个比原始数据短得多的列表

最后，请注意，这里的所有问题与您试图查找离散数据区域的问题一样，都有一个关于如何处理边界的问题，因此，如果这很重要，请务必根据需要解决这个问题。
您可以通过以下方法在numpy中查找区域：1）制作一个标记区域中点的整数T/F数组；2） 通过减去相邻点，找出台阶的位置（进入和离开区域）；3） 使用
np.nonzero
查找步骤2中的边界

下面是一个示例（最后一个图中的绿色带表示仅由
非零返回的两个索引标识的区域）：

另外，请注意，我在列表中有一个循环，通常在使用pandas和numpy时，最好尽量避免此类循环，但在本例中，循环不是通过所有数据，而是通过端点列表，这是一个比原始数据短得多的列表

最后，请注意，这里的所有问题都是关于如何处理边界的问题，正如您试图找到一个离散数据区域一样，如果这很重要，请务必根据您的需要解决这个问题。
类似于
df[df['Close'].between（350360）]
这是否回答了您的问题？这可能会有所帮助，但在我的例子中，它有点复杂：我需要检测所有这些“区域”，它们符合我上面描述的标准。非常感谢。类似于
df[df['Close']。介于（350360）]
之间，这是否回答了您的问题？这可能会有所帮助，但在我的例子中，它有点复杂：我需要检测所有这些“区域”，它们符合我上面描述的标准。非常感谢。谢谢你的回答！你能告诉我哪一部分含糊不清，以便我能改进这个问题吗？这是一个开始！问题是我需要在整个数据集中搜索这些区域，因此范围需要在整个数据集中“移动”，例如：350-360、351-361等等。我希望我没有太困惑谢谢你的回答！你能告诉我哪一部分含糊不清，以便我能改进这个问题吗？这是一个开始！问题是我需要在整个数据集中搜索这些区域，因此范围需要在整个数据集中“移动”，例如：350-360、351-361等等。我希望我没有太困惑。谢谢你！我尝试了这个方法，但我得到了以下错误：TypeError:'numpy.float64'对象不能解释为integerage（mini，maxi-10）->range（int（mini），int（maxi-10））TypeError:'numpy.float64'对象不能解释为integery你可以将chnage
mini=df['close'].min（）转换为
mini=int（df['close'].min（））
和maxi一样。非常感谢！我尝试了这个方法，但我得到了以下错误：TypeError:'numpy.float64'对象不能解释为integerage（mini，maxi-10）->range（int（mini），int（maxi-10））TypeError:'numpy.float64'对象不能解释为integery你可以将chnage
mini=df['close'].min（）转换为
mini=int（df['close'].min（））
与maxi类似。这非常有趣。多谢各位！我只是有点麻烦