找出 pandas df 中滚动函数的索引答案

【问题标题】：Find out the index of a rolling function in a pandas df找出 pandas df 中滚动函数的索引
【发布时间】：2020-09-23 22:02:10
【问题描述】：

我有一个带有一些值的 pandas df，我正在尝试找出列或滚动基的最小值，以及这些滚动最小值的索引。

例如，

df["low"].rolling(200).min()

在滚动 200 周期中创建一系列最小“低点”。

有人可以建议如何获得该新滚动系列的“低”指数吗？

【问题讨论】：

你能举个例子吗？
你想要原始数据框中元素的索引还是新的滚动序列？
我上面的例子返回滚动的最低点。我想要该元素的一系列索引。（它可能主要由一个固定数字组成，直到找到新的低点。我的代码显示实际低点，但我还需要该低点的 df 中的索引。

标签： python pandas

【解决方案1】：

你可以使用argmin:

import pandas as pd
import numpy as np

np.random.seed(0)
df = pd.DataFrame({'low': np.random.randint(0,100,20)})

window_size = 4
df['min'] = df['low'].rolling(window_size).min()
df['min_idx'] = (df['low'].rolling(window_size).apply(np.argmin) + df.index - window_size + 1).astype('Int64')

结果：

    low   min  min_idx
0    44   NaN     <NA>
1    47   NaN     <NA>
2    64   NaN     <NA>
3    67  44.0        0
4    67  47.0        1
5     9   9.0        5
6    83   9.0        5
7    21   9.0        5
8    36   9.0        5
9    87  21.0        7
10   70  21.0        7
11   88  36.0        8
12   88  70.0       10
13   12  12.0       13
14   58  12.0       13
15   65  12.0       13
16   39  12.0       13
17   87  39.0       16
18   46  39.0       16
19   88  39.0       16

以上适用于从0 到len(df)-1 的范围索引。如果您有任何其他索引，它会变得更加复杂：

np.random.seed(0)
df = pd.DataFrame({'low': np.random.randint(0,100,20)})
df.index = np.random.permutation(20)

window_size = 4
df['min'] = df['low'].rolling(window_size).min()
min_idx = df.index[(df['low'].rolling(window_size).apply(np.argmin) + pd.RangeIndex(len(df)) - window_size + 1)[window_size-1:].astype(int)]
df['min_idx'] = [np.nan]*(window_size - 1) + min_idx.tolist()
df['min_idx'] = df['min_idx'].astype('Int64')

结果：

    low   min  min_idx
6    44   NaN     <NA>
14   47   NaN     <NA>
16   64   NaN     <NA>
10   67  44.0        6
7    67  47.0       14
1     9   9.0        1
15   83   9.0        1
11   21   9.0        1
2    36   9.0        1
12   87  21.0       11
18   70  21.0       11
19   88  36.0        2
0    88  70.0       18
3    12  12.0        3
4    58  12.0        3
9    65  12.0        3
8    39  12.0        3
13   87  39.0        8
5    46  39.0        8
17   88  39.0        8

【讨论】：