使用多列和重设变量的python函数

在python/pandas中执行以下操作的最佳方法是什么

我想计算趋势数据2与趋势数据1不一致的情况，并在每次趋势数据1发生变化时重置计数器

在本例中，我正在努力寻找在数据帧上创建一个新列

df['D']

的正确方法

df['A']

=趋势数据1

df['B']

=如果趋势数据1发生变化，则为布尔指标

df['C']

=趋势数据2

df['D']

=所需结果

df['A']        df['B']        df['C']        df['D']            
  1                0              1            0
  1                0              1            0
 -1                1             -1            0
 -1                0             -1            0
 -1                0              1            1
 -1                0             -1            1
 -1                0             -1            1
 -1                0              1            2 
 -1                0              1            2
 -1                0             -1            2
  1                1              1            0
  1                0              1            0
  1                0             -1            1
  1                0              1            1
  1                0             -1            2
  1                0              1            2
  1                0              1            2

在excel中，我只需使用：

=IF(B2=1,0,IF(AND((C2<>C1),(C2<>A2)),D1+1,D1))

抱歉，因为我觉得我在这个问题上遗漏了一些非常简单的东西，但请继续兜圈子

def make_D (df):

    counter = 0

    array = []

    for index in df.index:

        if df.loc[index, 'A']!=df.loc[index, 'C']:

           counter = counter + 1

        if index>0:

            if df.loc[index, 'B'] != df.loc[index-1, 'B']:

                 counter = 0

        array.append(counter)

    df['D'] = array

    return (df)

---

---

希望有帮助

你能编辑你的问题来解释第一组2来自哪里吗？

#Set a list to store values for column D
d = []

#calculate D using the given conditions
df.apply(lambda x: d.append(0) if ((x.name==0)|(x.B==1)) else d.append(d[-1]+1) if (x.C!=df.iloc[x.name-1].C) & (x.C!=x.A) else d.append(d[-1]), axis=1)

#set columns D using values from the list d.
df['D'] = d

Out[594]: 
    A  B  C  D
0   1  0  1  0
1   1  0  1  0
2  -1  1 -1  0
3  -1  0 -1  0
4  -1  0  1  1
5  -1  0 -1  1
6  -1  0 -1  1
7  -1  0  1  2
8  -1  0  1  2
9  -1  0 -1  2
10  1  1  1  0
11  1  0  1  0
12  1  0 -1  1
13  1  0  1  1
14  1  0 -1  2
15  1  0  1  2
16  1  0  1  2

new_df = make_D(df)

#Set a list to store values for column D
d = []

#calculate D using the given conditions
df.apply(lambda x: d.append(0) if ((x.name==0)|(x.B==1)) else d.append(d[-1]+1) if (x.C!=df.iloc[x.name-1].C) & (x.C!=x.A) else d.append(d[-1]), axis=1)

#set columns D using values from the list d.
df['D'] = d

Out[594]: 
    A  B  C  D
0   1  0  1  0
1   1  0  1  0
2  -1  1 -1  0
3  -1  0 -1  0
4  -1  0  1  1
5  -1  0 -1  1
6  -1  0 -1  1
7  -1  0  1  2
8  -1  0  1  2
9  -1  0 -1  2
10  1  1  1  0
11  1  0  1  0
12  1  0 -1  1
13  1  0  1  1
14  1  0 -1  2
15  1  0  1  2
16  1  0  1  2