统计数据框列的最后 5 行中出现“真”的次数

Question

我正在尝试计算值True 出现在我的pandas 数据框列的最后5 行中的次数。总共有200 行。我将使用这个计数 (emacount) 来验证并继续（比如说if count >=5）这样做..else..

我能想出的代码计算下面的所需输出。我使用相同的技术在 2 个if 语句中获得类似的计数，如下所示（因为这是在 2 列中检查 True 的条件，如果两列都有值 True，则返回值）

for now in range(len(df.index) - 15, len(df.index)):
            if df['in_side'][now]:
                if df['bb_side'][now]:
                    count = count + 1
                else:
                    count = count + 0
            else:
                count = count - 1

这似乎正确地给出了count 的数量。

我尝试应用相同的逻辑来计算emacount，如下所示，但输出结果不如预期（它在-4 和4 之间波动）所需的输出是从0 开始，然后根据in_trend 列的最后5 行（行195 到199）中True 的数量，计算emacount（不同于0-5）每次更新数据帧（运行@ 987654343@)

我计算 emacount 和 count 的代码是：

            count = 0
            emacount = 0

            for now in range(len(df.index) - 15, len(df.index)):
                if df['in_side'][now]:
                    if df['bb_side'][now]:
                        count = count + 1
                    else:
                        count = count + 0
                else:
                    count = count - 1

            for now2 in range(len(df.index) - 5, len(df.index)):
                if df['in_trend'][now2]:
                    emacount = emacount + 1
                else:
                    emacount = emacount -1

下面是我的数据框

    timestamp                     close    p_diff  ...  bb_side    emadiff  in_trend
180 2021-06-20 14:39:00+05:30  35205.83  0.348388  ...     True -17.065951     False
181 2021-06-20 14:42:00+05:30  35224.71  0.131215  ...     True -13.642527     False
182 2021-06-20 14:45:00+05:30  35189.40  0.044197  ...     True -15.706096     False
183 2021-06-20 14:48:00+05:30  35245.42  0.056861  ...     True  -8.875039     False
184 2021-06-20 14:51:00+05:30  35255.23  0.052819  ...     True  -7.095512     False
185 2021-06-20 14:54:00+05:30  35266.99  0.046941  ...     True  -5.299749     False
186 2021-06-20 14:57:00+05:30  35324.42  0.145489  ...     True   0.674513      True
187 2021-06-20 15:00:00+05:30  35370.05  0.124836  ...     True   4.955988      True
188 2021-06-20 15:03:00+05:30  35353.62  0.177176  ...     True   2.919227      True
189 2021-06-20 15:06:00+05:30  35333.78  0.104324  ...     True   0.751682      True
190 2021-06-20 15:09:00+05:30  35295.48  0.076508  ...     True  -2.967526     False
191 2021-06-20 15:12:00+05:30  35245.00  0.091845  ...     True  -7.492524     False
192 2021-06-20 15:15:00+05:30  35256.50  0.089293  ...     True  -5.683712     False
193 2021-06-20 15:18:00+05:30  35208.37  0.101059  ...     True  -9.726215     False
194 2021-06-20 15:21:00+05:30  34914.02  0.452258  ...     True -36.833243     False
195 2021-06-20 15:24:00+05:30  34987.38  0.589260  ...     True -26.338648     False
196 2021-06-20 15:27:00+05:30  34986.43  0.379041  ...     True -23.920682     False
197 2021-06-20 15:30:00+05:30  34944.72  0.245694  ...     True -25.614902     False
198 2021-06-20 15:33:00+05:30  34379.34  0.930663  ...    False -77.021102     False
199 2021-06-20 15:36:00+05:30  34489.50  0.962524  ...    False -59.194330     False

感谢您的光临。有一个安全和美好的一天:)

编辑 1：emacount 的计数取决于 in_trend 列。

在当前时间 15:06 emacount 应该有值 4 并且在当前时间返回 15:03 值 3 和 15:15 值应该是 2

编辑 2：如果我的帖子令人困惑，我很抱歉。 emacount 中的值将基于 in_trend 列。 in_trend 中的值 True 或 False 表示市场是上升趋势 (True) 还是下降趋势 (False)。因此，如果我想检查长期上升趋势，那么我将检查最后 5 个值（因此 >5 条件）。如果它们是真的，那么它就是上升趋势，即使任何一行是 False （计数

此函数会以 3 分钟的间隔重复，因此根据最后 5 行，我们可以确定长期上升趋势是否正在进行

所以根据以上数据，从 14:30 到 15:36 没有长期上升趋势，因为计数永远不会达到 5，也没有 5 个 True 一个接一个

Answer 1

我认为这对你来说是一个很好的起点：

df["long_term_trend"] = df["is_trend"].rolling(5).mean().eq(1)
df["ema_trend"] = df["is_trend"].ewm(span=5, adjust=False).mean()

long_term_trend 解决了您提出的第一个问题，而ema_trend 只是趋势的 ema（1 上升，0 下降）。

我 80% 确定这是您的方向，但是请告诉我，以防我误解了您的问题。

Answer 2

如果您只想为最后五行和所有列设置一个值：

df.tail().apply(lambda x: sum(x==True)).sum()

输出：

3

如果您想为最后 5 行中的每列设置单独的值：

df.tail().apply(lambda x: sum(x==True))

输出：

timestamp    0
close        0
p_diff       0
bb_side      3
emadiff      0
in_trend     0
dtype: int64

如果您想对最后 5 行的分隔列进行单独计数：

df.tail().apply(lambda x: sum(x==True), axis=1)

输出：

195    1
196    1
197    1
198    0
199    0
dtype: int64

默认情况下，您使用tail() 获得最后五行，但如果您想要不同的数字，您可以将其作为参数传递，例如tail(10).