使用pandas数据框中的多个行或列值进行计算
我对excel感到如此舒适的原因之一是我可以轻松地传递一系列值或数组，并在计算中使用一个或多个这些值。
例如说我有数组[1,2,1,5,7,10,6,20,12,7,4]
我可能想要计算：
-
连续的向上或向下序列的数量，例如1-2将是1，因为2大于1。
-
在5,7,10的情况下，我想把这个顺序计为2，（5到7）和（7到10）
-
我还想计算一下实际上对序列产生影响的范围或值，以及它们发生的位置，例如（6到10）只有1个连续向上，因为这个移动是14（ 20-6）。 就序列发生的时间而言，我想logging数组索引位置，或者可能附加到另一列中的数字的date。
使用excel，我将这个数组传递给一个函数，并说如果元素（0）>元素（1）移动到元素2和3等等，然后当我logging的价值下降的负方向我sum那些价值。
或者如果我是以单元格的forms来做的话，我可以说如果（活动单元格的值）是负数，那么在使用.offset之前将两者相加。
不过，我不知道如何使用pandas来获得一个行或一列中的两个或更多的值，就像我使用偏移一样？
很多谢谢，乔希。
更新>>感谢您的更新，我会添加更多的细节
- 基本上每个产品都有一套价值，而且我有多个产品，产品在一列中，与产品相关联的是多个参考价格的数字。 此刻，我的桌子有如下的布局，但同一个产品可能会出现在多行，因为它在不同的date出售：
“
|product | price | | Product A | 1 | | Product B | 2 | | Product C | 1 | | Product D | 5 | | Product E | 7 | | Product F | 10 | | Product G | 6 | | Product H | 20 | | Product I | 12 | | Product H | 7 | | Product I | 4 | -
然后和第一点一样，我想计算从前一点开始的连续上升和下降序列的数量。 从1到2的前两个点是+1，如下所示：
|产品| 价格| | 产品A | 0 | | 产品B | 1 | | 产品C | -1 | | 产品D | 4 | | 产品E | 2 | | 产品F | 3 | | 产品G | -4 | | 产品H | 14 | | 产品I | -8 | | 产品H | -4 | | 产品I | -3 |
-
那么我想把这些动作列出来，所以我可以总结一下，看一个特定产品移动的次数。
_
|product | price | down -3 |down -2 |down -1 |up/down 0 |up 1 | | Product A | 1 | 0 | 0 | 0 | 0 | 0 | | Product B | 2 | 0 | 0 | 0 | 0 | 1 | | Product C | 1 | 0 | 0 | 1 | 0 | 0 | | Product D | 5 | 0 | 0 | 0 | 0 | 0 | | Product E | 7 | 0 | 0 | 0 | 0 | 0 | | Product F | 10 | 0 | 0 | 0 | 0 | 0 | | Product G | 6 | 0 | 0 | 0 | 0 | 0 | | Product H | 20 | 0 | 0 | 0 | 0 | 0 | | Product I | 12 | 0 | 0 | 0 | 0 | 0 | | Product H | 7 | 0 | 0 | 0 | 0 | 0 | | Product I | 4 | 1 | 0 | 0 | 0 | 0 |
_
-
接下来，对于问题（2），想要统计连续的上升动作或下降动作的数量，并以与上述相同的格式进行显示。 连续2 | 在列等
-
接下来是问题（3），我希望看到值的范围，以及发生连续向上运动的date。 例如产品C，D和E（假设产品C，D和E的价格date分别为2014-01-01,2014-01-02和2014-01-03），这些产品在排，值是1,5,7。所以我想表示。
_
|products |dates | values | |C, D, E | 2014-01-01 to 2014-01-03| 1, 5, 7 |
综上所述
- 我希望看到产品价格的变化（相同的产品可以在不同的日子以不同的价格出售）从一天到下一天。
- 然后我想看一个产品移动1点的次数，相同产品移动20点的次数。 那么我可能会看到一个模式：产品价格不会经常变化，但是当产品价格跳涨时， 或者我可以通过总结价格的变化来看到，一个产品的价格交替最常下降3点，然后提高3点，因此是周期性的。
- 最后，我想看看价格何时上涨3点（date）以及价格在何时发生的价值（1,5,7）。
在[1]中：s = pd.Series（[1，2，1，5，7，10，6，20，12，7，4]）
1：增加的数量
In [3]: s.diff() > 0 Out[3]: 0 False 1 True 2 False 3 True 4 True 5 True 6 False 7 True 8 False 9 False 10 False dtype: bool In [4]: (s.diff() > 0).sum() Out[4]: 5
2：减less的数量：
In [5]: (s.diff() < 0).sum() Out[5]: 5
3a：变化的大小：
In [6]: s.diff() Out[6]: 0 NaN 1 1 2 -1 3 4 4 2 5 3 6 -4 7 14 8 -8 9 -5 10 -3 dtype: float64
3a：更改位置：
这应该已经由DataFrame或Series上的索引完成了。
您应该发布您的示例系列的预期输出的具体示例。 如果你想做任何这些行明智的，你可能必须首先转置DataFrame。