使用 pandas
和 python
,我想找到一种模式,其中流的流入比平时大得多,并且在 5 天内流出是不少于入流径流的 5%。请参阅下面的数据框。
我希望能够在新专栏中标记此运动(我们称之为标记)。
假设这个数据框有数千行,您想要找到一个相似的模式并在整个过程中对其进行标记。
Index date stream
0 2019-01-01 2
1 2019-01-02 0
2 2019-01-03 1
3 2019-01-04 0
4 2019-01-05 3
5 2019-01-06 2
7 2019-01-07 100
8 2019-01-08 0
9 2019-01-09 0
10 2019-01-10 -95
11 2019-01-11 3
12 2019-01-13 0
13 2019-01-14 2
14 2019-01-15 -1
15 2019-01-16 0
16 2019-01-17 2
17 2019-01-18 93
18 2019-01-19 -2
19 2019-01-20 -89
最佳答案
尝试对 df['stream']
进行滚动平均
。
stream = [2, 0, 1, 0, 3, 2, 100, 0, 0, -95, 3, 0, 2, -1, 0, 2, 93, -2, -89]
date = [
'2019-01-01', '2019-01-02', '2019-01-03', '2019-01-04', '2019-01-05',
'2019-01-06', '2019-01-07', '2019-01-08', '2019-01-09', '2019-01-10',
'2019-01-11', '2019-01-13', '2019-01-14', '2019-01-15', '2019-01-16',
'2019-01-17', '2019-01-18', '2019-01-19', '2019-01-20'
]
df = pd.DataFrame({'date': date, 'stream': stream})
def process(row):
if row['stream'] > 20*row['stream_mean']:
return 1
else:
return 0
df['stream_mean'] = df['stream'].rolling(5).mean()
df['stream_mean'] = df['stream_mean'].shift(periods=1)
df['flag'] = df.apply(process,axis=1)
df
如果您应用 Bollinger Band
并创建一个 Standard Deviation 列
并且还可以尝试 95% Confidence interval
方法会更好.
希望对您有所帮助:)
关于python - 如何在 Pandas 中查找模式?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54937101/