Определение тренда панды/Python

Question

Я набор данных:

print (df['price']) 

0  0.435 
1  -2.325 
2  -3.866 
... 
58 -35.876 
59 -37.746 
Name: price, dtype: float64 

скользящая средняя:

m_a = df['price'].rolling(window=5).mean() 
m_a.plot() 
print(m_a) 
0   NaN 
1   NaN 
2   NaN 
3   NaN 
4  -2.8976 
5  -4.9628 
... 
58 -36.2204 
59 -36.4632 

M/A

Как я могу определить тренд в течение последних п строк - FLAT/UP/ВНИЗ? В тексте или ИНТ четкости результата, как:

trend = gettrend(df,5) 
print(trend) 
>>UP 

Answer 1

Вы можете использовать что-то подобное с np.where и расширения на логике, как требуется:

df['Trend'] = np.where(df['m_a'] < df['m_a'].shift(),'DOWN', 
       np.where(df['m_a'] > df['m_a'].shift(),'UP','FLAT')) 


    price m_a Trend 
0 1 2 FLAT 
1 2 2 FLAT 
2 3 4 UP 
3 4 5 UP 
4 5 6 UP 
5 6 7 UP 
6 7 -1 DOWN 
7 8 2 UP 
8 6 7 UP 
9 7 -6 DOWN 
10 8 -7 DOWN 

Answer 2

Я хотел бы сделать это следующим образом:

установки образца DF:

In [31]: df = pd.DataFrame(np.random.rand(20)*100, columns=['price']) 

In [32]: df 
Out[32]: 
     price 
0 20.555945 
1 58.312756 
2 3.723192 
3 22.298697 
4 71.533725 
5 71.257019 
6 87.355602 
7 55.076239 
8 67.941031 
9 77.437012 
10 94.496416 
11 16.937017 
12 68.494663 
13 79.112648 
14 88.298477 
15 59.028143 
16 16.991677 
17 14.835137 
18 75.095696 
19 95.177781 

Решение:

In [33]: df['trend'] = np.sign(df['price'] 
    ...:       .rolling(window=5) 
    ...:       .mean() 
    ...:       .diff() 
    ...:       .fillna(0)) \ 
    ...:       .map({0:'FLAT',1:'UP',-1:'DOWN'}) 
    ...: 

In [34]: df 
Out[34]: 
     price trend 
0 20.555945 FLAT 
1 58.312756 FLAT 
2 3.723192 FLAT 
3 22.298697 FLAT 
4 71.533725 FLAT 
5 71.257019 UP 
6 87.355602 UP 
7 55.076239 UP 
8 67.941031 UP 
9 77.437012 UP 
10 94.496416 UP 
11 16.937017 DOWN 
12 68.494663 UP 
13 79.112648 UP 
14 88.298477 UP 
15 59.028143 DOWN 
16 16.991677 UP 
17 14.835137 DOWN 
18 75.095696 DOWN 
19 95.177781 UP 

земля:.

In [39]: df.price.plot(figsize=(16,6)) 
Out[39]: <matplotlib.axes._subplots.AxesSubplot at 0xc16e4a8> 

In [40]: plt.locator_params(nbins=len(df))