Python 数据帧中的列差异满足条件时发生的次数

我有一个包含很多行的数据框，我只是在寻找满足条件的行数。
数据段：

mydf:

           Date      Time    Open    High     Low   Close
143  07:08:2015  14:55:00  300.10  300.45  300.10  300.45
144  07:08:2015  15:00:00  300.50  300.95  300.45  300.90
145  07:08:2015  15:05:00  300.90  301.20  300.75  300.90
146  07:08:2015  15:10:00  300.85  301.40  300.75  301.40
147  07:08:2015  15:15:00  301.40  301.60  301.20  301.55
148  07:08:2015  15:20:00  301.45  301.55  301.10  301.40

我的当前代码，首先将所需列拆分为2个系列，然后计算最后6个元素的发生次数

openpr = mydf['Open'] 
closepr = mydf['Close'] # 2 Series, one for Open and One for Close data 
differ  = abs(closepr - openpr) #I have a series list with absolute Difference.
myarr = differ[142:].values == 0 # last X elements  
sum(myarr) #Num of occurances with Zero Difference.

据我所知，有很多方法可以用最少的代码直接使用DF来实现上述结果

---

TIA

我认为需要通过

eq

对

=

与最后的

6

值进行比较，并通过

sum

对值进行计数：

out = mydf['Close'].tail(6).eq(mydf['Open'].tail(6)).sum()

您的解决方案应针对最后6个值进行更改，也应针对代码中较少的

（）

添加：

out = mydf['Close'].tail(6).sub(mydf['Open'].tail(6)).abs().eq(0).sum()

---

你们不需要求差，然后取绝对值，只要找到零的位置。只要找到他们第一个相等的地方

eval

这是一个

pandas.DataFrame

方法，允许字符串表示公式。事实证明，它在大型数据集上运行非常快。我发现它在很多情况下都是可读的

mydf.tail(6).eval('Close == Open').sum()

如果你需要在某个delta中，并且必须对列进行差分

mydf.tail(6).eval('abs(Close - Open) < 1e-6').sum() 

但是，由于内置的公差参数，在使用

isclose

时，确定差值是否在某个增量内更容易

np.isclose(mydf.Open.tail(6), mydf.Close.tail(6), atol=1e-6).sum()

---

使用

（df.Close-df.Open）.eq（0）.sum（）

？如果我希望差异是动态的（例如（.05），我认为我不能使用此代码。不正确。我将调整这两个选项以演示。@suraj_Blore帖子已更新。耶斯雷尔的回答很好。希望这也是有帮助的。是的，这个答案如果可以的话。

np.isclose(mydf.Open.tail(6), mydf.Close.tail(6), atol=1e-6).sum()