Python 如何合并熊猫中的列？

我有一个数据框

索引_crisis

，并希望创建一个新列，当索引达到本地峰值时，该列包含1，否则为零。 我不知道如何继续我的代码。峰值位置列表为： [2 7 9 13 16 18 21]但是有了

月份[峰值位置]

我得到了峰值月份

    Date           Index 
38  2007-06-01  -0.56
39  2007-07-01  -0.36
40  2007-08-01  0.68
41  2007-09-01  0.24
42  2007-10-01  0.22
43  2007-11-01  0.89
44  2007-12-01  0.95
45  2008-01-01  1.53
46  2008-02-01  1.01
47  2008-03-01  1.73
48  2008-04-01  1.39
49  2008-05-01  0.96
50  2008-06-01  1.26
51  2008-07-01  2.37
52  2008-08-01  1.57
53  2008-09-01  2.95
54  2008-10-01  5.7
55  2008-11-01  5.29
56  2008-12-01  5.42
57  2009-01-01  4.99
58  2009-02-01  4.45
59  2009-03-01  4.59
60  2009-04-01  4.2
61  2009-05-01  3.12
62  2009-06-01  1.85

我的预期输出是一个列

dummy

，如下所示：

0
0
1
0
0
0
0
1
0
1
0
0
0
1
0
0
1
0
1
0
0
1
0
0
0

---

通过以下方式查找局部最大值：该值大于下一个值且下一个值不大于下一个值：

series = df['Index'].values
s = series > series.shift(1)
df[s & (s != s.shift(-1))]

idx=df.iloc[峰值位置].索引
df['dummy']=np.where（df.index.isin（idx），1,0）

---

我认为您需要使用Numpy的奇特索引来构建1和0的数组。序列对象可以用作Numpy数组的索引器

按照您的示例，假设您的数据帧有62行长。然后：

>>> peak_locations = [2, 7, 9, 13, 16, 18, 21]  # You generated this
>>> dummy = np.zeros(len(df), dtype=int)        # I assume length 62 in this example
>>> print(dummy)

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

>>> dummy[peak_locations] = 1                   # This is the fancy indexing hotness 
>>> dummy

array([0, 0, 1, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0, 1, 0, 0, 1,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

>>> df["dummy"] = dummy                         # Adds the new column

---

可能是我以前发现的重复，但不知道如何将其应用到我的案例中。。我不知道怎么说，如果它合并比写一个一，否则你的本地峰值是什么呢？我的本地峰值是我的本地索引的最大值。这些位置可以在我的预期输出中看到。或者你是什么意思？所以总是最高的数字，直到它下降？但我已经用我的代码检测到了峰值。我需要的部分，成为我的预期输出

    Date    Index   dummy
38  Jun 2007    -0.56   0
39  Jul 2007    -0.36   0
40  Aug 2007    0.68    1
41  Sep 2007    0.24    0
42  Oct 2007    0.22    0
43  Nov 2007    0.89    0
44  Dec 2007    0.95    0
45  Jan 2008    1.53    1
46  Feb 2008    1.01    0
47  Mar 2008    1.73    1
48  Apr 2008    1.39    0
49  May 2008    0.96    0
50  Jun 2008    1.26    0
51  Jul 2008    2.37    1
52  Aug 2008    1.57    0
53  Sep 2008    2.95    0
54  Oct 2008    5.7     1
55  Nov 2008    5.29    0
56  Dec 2008    5.42    1
57  Jan 2009    4.99    0
58  Feb 2009    4.45    0
59  Mar 2009    4.59    1
60  Apr 2009    4.2     0
61  May 2009    3.12    0
62  Jun 2009    1.85    0

>>> peak_locations = [2, 7, 9, 13, 16, 18, 21]  # You generated this
>>> dummy = np.zeros(len(df), dtype=int)        # I assume length 62 in this example
>>> print(dummy)

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

>>> dummy[peak_locations] = 1                   # This is the fancy indexing hotness 
>>> dummy

array([0, 0, 1, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0, 1, 0, 0, 1,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

>>> df["dummy"] = dummy                         # Adds the new column