倒三角回敲”的统计脚本，我需要先确认一下您所指的具体场景，因为在不同的领域（如体育战术、游戏操作、金融交易或打谱软件），“倒三角回敲”含义完全不同。
为了给您最精准的脚本,请您先确认是以下哪种情况：
乒乓球/网球（体育战术） 指对方回球形成“倒三角”落点（通常指对方回球到您正手位小三角或反手位小三角），然后您进行“回敲”（即主动发力拍击）的次数统计。
台球/斯诺克（库边反弹） 指母球吃一库或两库后，通过“倒三角”路径回敲目标球的次数。
金融交易（K线形态） 指行情走出“倒三角形”收敛形态后，价格向下或向上突破（回敲）的次数。
围棋/象棋（AI复盘） 指某特定棋形（倒三角形状）落子后，对方“回敲”（应对）的频次。
如果您是指“金融交易K线形态”（最常用），请看以下实用脚本（Python）：
这个脚本用于统计在“倒三角收敛形态”形成期间，价格触及上下两条趋势线的回敲次数（即假突破或试探次数）。
import pandas as pd
import numpy as np
def count_triangle_whipsaw(df, lookback=30, touch_tolerance=0.002):
"""
统计倒三角（收敛）形态中的回敲次数。
参数:
df: 包含 'high', 'low', 'close' 的DataFrame（按时间升序）
lookback: 回看周期（用于确定三角形态范围）
touch_tolerance: 价格触及趋势线的容差（如0.002代表0.2%）
返回:
whipsaw_count: 回敲次数
breakdown_count: 向下破位次数
breakdown_flag: 是否已破位（True表示三角已失效）
"""
if len(df) < lookback:
return 0, 0, False
# 取最近lookback根K线
window = df.iloc[-lookback:].reset_index(drop=True)
highs = window['high'].values
lows = window['low'].values
closes = window['close'].values
n = len(window)
# 1. 识别倒三角（上趋势线下降，下趋势线上升）
# 上趋势线：连接第一个高点和最后一个高点（或回归斜率）
# 简单方法：线性回归斜率
x = np.arange(n)
# 上轨斜率（应<0，即下降）
slope_upper = np.polyfit(x, highs, 1)[0]
# 下轨斜率（应>0，即上升）
slope_lower = np.polyfit(x, lows, 1)[0]
# 判断是否为倒三角（上轨向下，下轨向上）
if slope_upper >= 0 or slope_lower <= 0:
# 不是倒三角，直接返回
return 0, 0, False
# 2. 计算上下轨在每根K线的理论值
upper_line = np.polyval(np.polyfit(x, highs, 1), x)
lower_line = np.polyval(np.polyfit(x, lows, 1), x)
# 3. 统计回敲次数
whipsaw_count = 0 # 触及上轨后又回到内部（向下回敲），或触及下轨后又回到内部（向上回敲）
breakdown_count = 0 # 向下突破下轨（收盘价跌破）
# 从第二根K线开始判断（第一根是起点）
for i in range(1, n-1): # 不判断最后一根，因为需要看后续
# 判断是否突破下轨（破位）
if closes[i] < lower_line[i] * (1 - touch_tolerance):
breakdown_count += 1
# 出现破位，三角形态终结
if breakdown_count == 1:
return whipsaw_count, breakdown_count, True
# 判断是否触及上轨（向上试探）
touched_upper = highs[i] >= upper_line[i] * (1 - touch_tolerance)
# 判断是否触及下轨（向下试探）
touched_lower = lows[i] <= lower_line[i] * (1 + touch_tolerance)
# 如果是向上触及上轨，且之前没有连续多次触及，且之后价格回落（没收在上轨上方），记一次向上回敲
if touched_upper:
# 简化：只要触及且没有突破前高，就算一次向上回敲
whipsaw_count += 1
# 如果是向下触及下轨，且之后价格反弹（没收在下轨下方），记一次向下回敲
if touched_lower and not (closes[i] < lower_line[i] * (1 - touch_tolerance)):
whipsaw_count += 1
return whipsaw_count, breakdown_count, False
# ========== 使用示例 ==========
if __name__ == "__main__":
# 模拟数据（实际使用时替换为您的行情数据）
# 这里生成一个典型的倒三角形态
np.random.seed(42)
n = 30
# 制造收敛：高点逐渐降低，低点逐渐抬高
highs = np.linspace(105, 100, n) + np.random.normal(0, 0.3, n)
lows = np.linspace(95, 99, n) + np.random.normal(0, 0.3, n)
closes = (highs + lows) / 2 + np.random.normal(0, 0.5, n)
df = pd.DataFrame({
'high': highs,
'low': lows,
'close': closes
})
whipsaw, breakdown, ended = count_triangle_whipsaw(df, lookback=n)
print(f"倒三角形态统计结果：")
print(f"回敲次数（上下轨触碰且收复）: {whipsaw} 次")
print(f"向下破位次数: {breakdown} 次")
print(f"是否已破位: {'是' if ended else '否'}")
# 更进一步：统计最后一次回敲后到破位的时间间隔
# 这个需要根据您的需求继续扩展
如果您是指“乒乓球/网球战术统计”（视频分析），用这个简化版：
假设您有一份记录每次回球落点的表格（列：击球方、落点区域），统计“倒三角”落点后我方主动发力（回敲）的次数：
import pandas as pd
def count_backhand_triangle_attack(df):
"""
df: 包含 columns=['击球方', '落点区域', '是否主动发力']
落点区域: 1-反手小三角, 2-反手底线, 3-中路, 4-正手小三角, 5-正手底线
"""
# 倒三角落点：反手小三角(1) 或 正手小三角(4)
triangle_zones = [1, 4]
# 我方（假设我方为A，对方为B）
# 对方回球到小三角，我方下一拍是否主动发力
count = 0
for i in range(len(df)-1):
current_row = df.iloc[i]
next_row = df.iloc[i+1]
# 对方(B)回球到倒三角区域
if current_row['击球方'] == 'B' and current_row['落点区域'] in triangle_zones:
# 我方(A)下一拍是否主动发力（回敲）
if next_row['击球方'] == 'A' and next_row['是否主动发力'] == True:
count += 1
return count
请告诉我您的具体场景（体育/游戏/金融/棋类），以及您手中数据的形式（是K线数据、比赛视频标记、还是游戏日志），我可以立刻为您量身定制最精准的统计脚本,回复个关键词或描述下背景即可。
