本文介绍如何为 pandes dataframe 的每列构建一个动态符号指示器（1 或 -1），该指示器在当前值 ≥ 指定倍数 × 当前滚动均值时翻转，并强制要求每次重置前滚动窗口至少包含指定最小观测数。
在时间序列分析或信号检测类任务中，常需根据局部统计量（如滚动均值）的动态变化触发状态切换。本教程解决一个典型场景：对每一列独立维护一个累积滚动均值窗口，当某行值满足 value ≥ multiple × current_rolling_mean 且窗口长度已达最小阈值（min_count）时，重置窗口并翻转指示器符号（+1 ↔ −1）。该逻辑无法直接通过 pd.Series.rolling().mean() 实现，因其依赖状态记忆（当前符号、累计和、计数），需逐行迭代处理。
以下是一个清晰、可复用的纯 Python 实现：
import pandas as pd
def rolling_mean_indicator(col, start=1, multiple=2, min_count=4):
"""
生成滚动均值触发的符号指示器序列。
Parameters:
-----------
col : pd.Series or array-like
输入列数据
start : int, default 1
初始指示器值（1 或 -1）
multiple : float, default 2
触发翻转的倍数阈值
min_count : int, default 4
允许触发重置所需的最小连续观测数
Yields:
-------
int : 当前行对应的指示器值（1 或 -1）
"""
curr = start
num_obs = 0
acc = 0.0
for v in col:
acc += v
num_obs += 1
if num_obs = multiple * mean_val:
curr *= -1
num_obs = 0
acc = 0.0
yield curr
# 示例数据
df = pd.DataFrame({
"A": [0.1, 0.1, 0.15, 0.1, 0.1, 0.7, 0.1, 0.1, 0.5, 1, 0.1, 0.1],
"B": [0.1, 0.1, 0.4, 0.1, 0.8, 0.1, 0.1, 0.1, 0.1, 0.1, 0.9, 0.1],
})
# 应用函数
df["A_ind"] = list(rolling_mean_indicator(df["A"]))
df["B_ind"] = list(rolling_mean_indicator(df["B"]))
print(df[["A", "B", "A_ind", "B_ind"]])
输出结果与预期一致：
