@Quang Hoang Answer如果你想得到最长的连续时间的长度，可以使用。如果你想得到连续几天的当前连续时间的长度，可以使用以下方法：

df = pd.DataFrame({'Close' : [1.5, 1.2, 1.3, 1.3, 1.4, 1.5]})

streaks = (df['Close'].diff() <= 0).cumsum()
res = sum(streaks == streaks.iloc[-1]) - 1

**编辑：**如果您有日期在20200507之后的行，您可以这样修改：

df_subview = df[df['Date'] < 20200507]

**编辑2：**为什么使用df['Close'].diff() <= 0而不是df['Close'].diff() > 0？

这就是我们想要达到的效果：

>>> streaks
0    0
1    1
2    1
3    2
4    2
5    2

有3连胜在这里发挥，第一个结束后，1。天，第二个结束后，第三天（指数2-3）和最后连胜去所有的方式结束。
为了实现这一点，我们需要一个在每次连输时都会上升的数字。我们可以在一个由0s和1s组成的数组上使用.cumsum来实现这一行为。每次连输时，日期都应该标记为1。
我们如何测试一条条纹是否断裂？通过与df['Close'].diff() > 0相反的操作，即df['Close'].diff() <= 0，得到以下结果：

>>> df['Close'].diff() <= 0
0    False
1     True
2    False
3     True
4    False
5    False
Name: Close, dtype: bool

因为内部True是1，False是0，所以我们已经有了所需的0和1数组。

>>> (df['Close'].diff() <= 0).astype(int)
0    0
1    1
2    0
3    1
4    0
5    0
Name: Close, dtype: int64

现在我们可以应用.cumsum并得到最后一个条纹的长度。因为True已经被当作1处理，所以我们可以省略步骤.astype(int)并直接调用(df['Close'].diff() <= 0).cumsum()。

df1['Close'].diff().gt(0)[::-1].cumprod().sum()

输出：

2