Python 获取数据帧，其中数值不大于/小于前一个值的5%

我目前的解决方案如下：

    slices = []
    
    for idx in range(0, dataset.size):
        slice = dataset[idx:idx+4]

        if len(slice) < 4:
            break;

        # ---> check = []
        for val in slice[column].values: 
            delta_pos = round(slice[column].iloc[0] * 0.0005, 2)
            delta_neg = round(slice[column].iloc[0] * 0.0005, 2)
            check.append(delta_neg <= round(val, 2) - round(slice[column].iloc[0], 2) <= delta_pos)

        if(all(v == True for v in check)):
            slices.append(slice) # <----
                
    return slices

---

您可以使用

rolling

创建包含4个连续值的所有组。要应用逻辑，需要将其重写为一个函数，该函数接受一系列（4个值中的一个）

---

使用

shift

和一些索引，您可以在两行代码中优雅地实现这一点。假设我们有一个数据帧

df

定义为：

df=pd.DataFrame（{'VALUE'：{0:194.72,1:194.76,2:195.05,3:194.95,4:195.08,5:195.17，
6:195.07, 7:195.22, 8:195.2, 9:195.21, 10:195.25,11:195.16,
12:194.62,13:194.64,14:194.9,15:194.82,16:194.8,17:194.64,
18:194.78,19:194.66,20:194.7,21:194.63}})

我们可以将所有值的位置移动一，以获得“先前”值：

df\u shift=df.shift（1，fill\u value=df.value[0]）

现在，我们可以在原始数据框中选择公差为5%的值：

df_in_5percent=df[abs（df.VALUE-df_.VALUE）<0.05]

---

就这样

df_in_5percent

包含前一个值在5%公差范围内的值。

是的，我只是想把我想简化的代码片段变成粗体，好吗。粗体代码在代码环境中不起作用，我通常会添加一个

#您能否共享
数据集的一个小示例
，以便我们自己运行代码？您希望我如何共享一个示例？dropmefiles是否为您提供服务？只需打印并共享
dataset.iloc[：10，：]
即可获得前10行和所有列。我谦虚地认为，它没有比这更优雅的了
VALUE
194.7200000
194.7600000
195.0500000
194.9500000
195.0800000
195.1700000
195.0700000
195.2200000
195.2000000
195.2100000
195.2500000
195.1600000
194.6200000
194.6400000
194.9000000
194.8200000
194.8000000
194.6400000
194.7800000
194.6600000
194.7000000
194.6300000
...


In [17]: def select_slices(s): 
    ...:     for val in s.values: 
    ...:         delta =  round(s.iloc[0] * 0.0005, 2) 
    ...:         if not (-delta <= round(val, 2) - round(s.iloc[0], 2) <= delta): 
    ...:             return 1 
    ...:     slices.append(s) 
    ...:     return 0 
    ...:                                                                                                                                                                                                           
In [18]: s.rolling(4).apply(select_slices)  

In [19]: slices                                                                                                                                                                                                    
Out[19]: 
[5    195.17
 6    195.07
 7    195.22
 8    195.20
 dtype: float64,
 7     195.22
 8     195.20
 9     195.21
 10    195.25
 dtype: float64,
 8     195.20
 9     195.21
 10    195.25
 11    195.16
 dtype: float64]