numpy 如何用pandas检测上升和下降趋势

bvn4nwqk 于 2023-11-18 发布在其他

关注(0)|答案(2)|浏览(133)

对于用下面的代码生成的图，我想得到一个通过pandas逻辑生成的信号。
当曲线比最后一个局部最小值高（或多）+3点时，输出信号应从-4变为-2。当曲线比最后一个局部最大值低（或少）2点时，输出信号应从-2变为-4。
图1显示了由下面的代码生成的曲线。图2大致显示了输出信号的样子。
图1：x1c 0d1x
图2：

代码：

import matplotlib

matplotlib.use('QT5Agg')
import matplotlib.pyplot as plt
import numpy as np

a = np.arange(5)
b = np.arange(5, -4, -1)
c = np.arange(-4, 7, .5)
d = np.arange(7, 2, -1)
e = np.arange(2, 6, .2)
f = np.arange(6, -3, -1)
g = np.arange(-3, 2, .25)

r1 = np.append(a, b)
r2 = np.append(r1, c)
r3 = np.append(r2, d)
r4 = np.append(r3, e)
r5 = np.append(r4, f)
r6 = np.append(r5, g)

plt.rcParams['font.size'] = 6

fig, ax1 = plt.subplots()
ax1.plot(r6,'g-o',markersize=3)


plt.annotate('start upward', xy=(0,0), textcoords='data',)
plt.annotate('end upward', xy=(3,3), textcoords='data',)

plt.annotate('start downward', xy=(5,5), textcoords='data',)
plt.annotate('end downward', xy=(7,3), textcoords='data',)

plt.annotate('start upward', xy=(14,-4), textcoords='data',)
plt.annotate('end upward', xy=(20,-1), textcoords='data',)

plt.annotate('start downward', xy=(36,7), textcoords='data',)
plt.annotate('end downward', xy=(38,5), textcoords='data',)

plt.annotate('start upward', xy=(41,2), textcoords='data',)
plt.annotate('end upward', xy=(56,5), textcoords='data',)

plt.annotate('start downward', xy=(61,6), textcoords='data',)
plt.annotate('end downward', xy=(63,4), textcoords='data',)

plt.annotate('start upward', xy=(70,-3), textcoords='data',)
plt.annotate('end upward', xy=(82,0), textcoords='data',)

ax1.minorticks_on()
ax1.grid(b=True, which='major', color='g', linestyle='-')
ax1.grid(b=True, which='minor', color='y', linestyle='--')
plt.show()

字符串

numpy

来源：https://stackoverflow.com/questions/56193600/how-to-detect-upward-and-downward-trend-with-pandas

2条答案

按热度按时间

wvt8vs2t1#

我觉得你想要这个：

s = pd.Series(np.concatenate((a,b,c,d,e,f,g,)))

# is increasing
incr = s.diff().ge(0)

# shifted trend (local minima)
shifted = incr.ne(incr.shift())

# local max
local_max = shifted & (~incr)

# thresholding function
def thresh(x, threshold=3, step=2):
    ret = pd.Series([0]*len(x), index=x.index)
    t = x.min() + threshold
    ret.loc[x.gt(t)] = step
    return ret

signal = s.groupby(local_max.cumsum()).apply(thresh)
signal += s.min()

# draw
fig, ax = plt.subplots(figsize=(10,6))
s.plot(ax=ax)
signal.plot(drawstyle='steps', ax=ax)
plt.show()

字符串
输出量：

的数据

赞(0）回复(0）举报 2023-11-18

zsohkypk2#

IIUC：

s = pd.Series([0, 5, 0, -4, -1, 2, 4, 7, 2, 3, 4, 5, 6, -3, -2, -1, 0, 1, 2])

s.plot()
ax = s.diff().ge(0).mul(1).plot(drawstyle='steps', c='r', secondary_y=True)
ax.set_ylim(0, 8)

字符串

的数据

赞(0）回复(0）举报 2023-11-18

我来回答

numpy 如何用pandas检测上升和下降趋势

2条答案

相关问题

热门标签

最新问答