Python 计算时间序列中的连续值

这是我第一次在这里问问题，所以我希望我能做得对

我有一个数据框：

df2.data
Out[66]: 
date
2016-01-02    0.0
2016-01-03    1.0
2016-01-04    1.0
2016-01-05    1.0
2016-01-06    0.0
2016-01-07    0.0
2016-01-08    1.0
2016-01-09    2.0
2016-01-10    1.0
2016-01-11    0.0
Name: data, dtype: float64

我希望得到以下结果：

            data  trend  trend_type
date                               
2016-01-02   0.0      0           0
2016-01-03   1.0      0           0
2016-01-04   1.0      1           1
2016-01-05   1.0      2           1
2016-01-06   0.0      0           0
2016-01-07   0.0      1           0
2016-01-08   1.0      0           0
2016-01-09   2.0      0           0
2016-01-10   1.0      0           0
2016-01-11   0.0      0           0

我的问题有点和你有关

到目前为止，我成功地获得了趋势，但它的效率不够（对于750行数据帧，大约8秒）

---

步骤1
要获取

趋势

，请执行

groupby

+

cumcount

-

df['trend'] = df.data.groupby(df.data.ne(df.data.shift()).cumsum()).cumcount()
df

            data  trend
2016-01-02   0.0      0
2016-01-03   1.0      0
2016-01-04   1.0      1
2016-01-05   1.0      2
2016-01-06   0.0      0
2016-01-07   0.0      1
2016-01-08   1.0      0
2016-01-09   2.0      0
2016-01-10   1.0      0
2016-01-11   0.0      0

步骤2
（IIUC），要获取趋势类型，请比较连续行并分配

df['trend_type'] = 0
m = df.data.eq(df.data.shift())
df.loc[m, 'trend_type'] = df.loc[m, 'data']

df

            data  trend  trend_type
2016-01-02   0.0      0         0.0
2016-01-03   1.0      0         0.0
2016-01-04   1.0      1         1.0
2016-01-05   1.0      2         1.0
2016-01-06   0.0      0         0.0
2016-01-07   0.0      1         0.0
2016-01-08   1.0      0         0.0
2016-01-09   2.0      0         0.0
2016-01-10   1.0      0         0.0
2016-01-11   0.0      0         0.0

编辑，添加列“trep_类型”

---

什么是趋势类型？你能解释一下你是如何得到这些结果的吗？为了得到趋势，你可以很容易地做一个groupby-

df.date.groupby（df.date.shift（））.cumsum（））.cumcount（）

如果你能解释什么是

trend\u type

，那就太好了。你好。对不起，不够清楚。趋势类型是指趋势（消费数据系列）是0、1还是2。默认情况下，它是一个0。这些结果是我写的。你是怎么计算的还不清楚。你的数据和你的解释不符合……这正是我要找的！非常感谢你的帮助！而且执行速度非常快，太完美了！我祝你有一个非常美好的一天，你刚刚做了我的@罗杰：别忘了，这也会让我开心的谢谢你关心我的问题曼纽尔！我认为你的解决方案有点像我的第一次尝试，问题是执行时间

df['trend_type'] = 0
m = df.data.eq(df.data.shift())
df.loc[m, 'trend_type'] = df.loc[m, 'data']

df

            data  trend  trend_type
2016-01-02   0.0      0         0.0
2016-01-03   1.0      0         0.0
2016-01-04   1.0      1         1.0
2016-01-05   1.0      2         1.0
2016-01-06   0.0      0         0.0
2016-01-07   0.0      1         0.0
2016-01-08   1.0      0         0.0
2016-01-09   2.0      0         0.0
2016-01-10   1.0      0         0.0
2016-01-11   0.0      0         0.0

df.loc[0, "trend"] = 0
df.loc[0, "trend_type"] = 0

for nrow in range(df.shape[0]-1):

    if df.loc[nrow+1, 1] == df.loc[nrow, 1]:
        df.loc[nrow+1, "trend"] = df.loc[nrow, "trend"]+1
        df.loc[nrow + 1, "trend_type"] = 1
    else:
        df.loc[nrow + 1, "trend"] = 0
        df.loc[nrow + 1, "trend_type"] = 0