Python 基于其他'的新行；s行过去值到当前值

我正试图在

df

中创建一个名为

move

的新列，如果

x中的值高于其先前的值，则该列给出
1
的值，如果
值低于
则给出
0
，因此
move
中的第一个值应该是
NaN

d = {'x': [1, 0, 2, 5, 4]}
df = pandas.DataFrame(d)

该列应如下所示：

df['move'] = pandas.Series([NaN, 0, 1, 1, 0])

您可以使用
shift
与使用
iloc
的列片段进行比较，并使用
astype
将布尔序列转换为数字数据类型：

In [82]:
df['move'] = (df['x'].iloc[1:] > df['x'].iloc[1:].shift()).astype(int)
df

Out[82]:
   x  move
0  1   NaN
1  0   0.0
2  2   1.0
3  5   1.0
4  4   0.0

请注意，
NaN
的存在迫使这里的数据类型为
float
我认为您需要与列
x
中的ed值进行比较，最后您可以将第一个值更改为
NaN
（如有必要）：

计时：

d = {'x': [1, 0, 2, 5, 4]}
df = pd.DataFrame(d)
df = pd.concat([df]*10000).reset_index(drop=True)
df1 = df.copy()

def jez(df):
    df['move'] = (df.x > df.x.shift()).astype(int)
    df.ix[0, 'move'] = np.nan
    return df

def edch(df):
    df['move'] = (df['x'].iloc[1:] > df['x'].iloc[1:].shift()).astype(int)
    return df

print (jez(df))
print (edch(df1))

len（df）=50k
：

In [82]: %timeit (edch(df1))
100 loops, best of 3: 3.99 ms per loop

In [83]: %timeit (jez(df))
1000 loops, best of 3: 1.44 ms per loop

计时代码：

d = {'x': [1, 0, 2, 5, 4]}
df = pd.DataFrame(d)
df = pd.concat([df]*10000).reset_index(drop=True)
df1 = df.copy()

def jez(df):
    df['move'] = (df.x > df.x.shift()).astype(int)
    df.ix[0, 'move'] = np.nan
    return df

def edch(df):
    df['move'] = (df['x'].iloc[1:] > df['x'].iloc[1:].shift()).astype(int)
    return df

print (jez(df))
print (edch(df1))