Python 从时间序列数据中查找出入口信号

我有一个小的时间序列数据：

ser = pd.Series([2,3,4,5,6,0,8,7,1,3,4,0,6,4,0,2,4,0,4,5,0,1,7,0,1,8,5,3,6])

假设我们选择5作为进入市场的门槛，选择0作为退出市场的门槛

我正在尝试编写一个程序，该程序将生成如下输出：

到目前为止，我已经使用了numba，但仍在处理逻辑问题。请您帮忙

@numba.vectorize 
def check_signal(x,t):
    if x >= t :
        y = 2
    if x < t :
        y =1 
    if x == 0:
        y = -1
    else :
        y = y
    return y 

@numba.vectorize
def检查_信号（x，t）：
如果x>=t：
y=2
如果x

除非您有数以千万计的样本，否则为什么要使用numba

states = ["Entered market", "inside market", "market exit", "outside market"]
state = 2
fout = open('seriesdata.csv','w')
print("Time,Percent_change,Signal,Timestamp", file=fout)
for pct in ser:
    stamp = ''
    if state == 1 and pct == 0:
        state = 2
        stamp = str(len(data)+1)
    elif state == 3 and pct >= 5:
        state = 0
        stamp = str(len(data)+1)
    else if state in (0, 2):
        state += 1
    print(''.join((str(pct), states[state], stamp)), file=fout)

---

如果你想创建一个数据框，只需将这些值累积到一个列表中，然后再进行转换。

谢谢你的快速回复Tim，实际上我的数据框有2400万行，所以我试图用numba解决它。那么这有什么意义呢？你不可能使用2400万行的人类可读数据。通过时间序列上的这些标记，我想确定该值超过阈值的多少倍，即我们可以进入市场，一旦进入，我想保持在零，直到遇到零，一旦遇到零，应记录为退出点，然后，直到百分比变化保持在阈值以下，我们保持在市场之外，当它超过阈值时，它被记录为进入市场。最后，我希望能够计算这些事件发生的频率及其在不同阈值下的持续时间。因此，通过一个包含2400万行的时间序列，我可以以数据框的形式总结出这些市场进入-退出周期的变化百分比的不同阈值。这些事件的分布情况如何持续时间