Python 几何四舍五入与numpy/量化？

我得到了一系列数据，这是一条曲线

我想把它绕成一圈，使它“有台阶”。此外，我希望步骤大致在当前值的10%以内。（另一种说法是，我希望步数以10%的增量增加，即几何增量）

我写了一些迭代的、缓慢的东西：

def chunk_trades(A):
    try:
        last = A[0]
    except:
        print(A)
        raise
    new = []
    for x in A.iteritems():
        if not last or np.abs((x[1]-last)/last) > 0.1:
            new.append(x[1])
            last = x[1]
        else:
            new.append(last)
    s = pd.Series(new, index=A.index)
    return s

我不想使用这个代码

---

我正试图找到一种更快的，类似于蟒蛇的方法。我尝试过使用numpy.digitalize（），但我认为这不是我想要的。有什么好办法吗？

好的，我认为解决方案应该是：

np.exp(np.around(np.log(np.abs(j)), decimals=1)) * np.sign(j)

---

映射到对数空间，进行取整，变换回来。

为什么不想要

numpy.digitalize

？范围可能是0到无穷大，我不确定如何使其几何化。好的，我刚刚提出了这个：np.exp（round（10*np.log（abs（j））/10），这是一个正确的方向……你也可以说

np.exp（np.round（np.log（abs（j），1）））

具有相同的效果。只是保存了另一个除法。顺便说一句，你是不是打算用10**和np.log10来代替？我不知道你能做到。这很好，看起来方向正确。我尝试了10**但跳跃有点太大了；我只是在想如何控制步长。。。