通过连续的sign值使用GroupBy.cumcount，并以5为模：

df['count'] = df.groupby(df['sign'].ne(df['sign'].shift()).cumsum()).cumcount() % 5 + 1

print (df)
    price  sign  count
0      13     1      1
1      12     1      2
2      11    -1      1
3      12    -1      2
4      13     1      1
5      14     1      2
6      14     1      3
7      14     1      4
8      14     1      5
9      14     1      1
10     14     1      2

字符串

详情：

print (df.assign(consecutive=df['sign'].ne(df['sign'].shift()).cumsum(),
                 counter=df.groupby(df['sign'].ne(df['sign'].shift()).cumsum()).cumcount(),
                 count = df.groupby(df['sign'].ne(df['sign'].shift()).cumsum()).cumcount() % 5 + 1))
    price  sign  consecutive  counter  count
0      13     1            1        0      1
1      12     1            1        1      2
2      11    -1            2        0      1
3      12    -1            2        1      2
4      13     1            3        0      1
5      14     1            3        1      2
6      14     1            3        2      3
7      14     1            3        3      4
8      14     1            3        4      5
9      14     1            3        5      1
10     14     1            3        6      2

型

你可以先创建一个掩码，当符号从正变为负或相反时。2这是为了在符号改变时重置。

mask = df['sign'].ne(df['sign'].shift())

字符串
然后，根据符号的变化创建分组变量

group = mask.cumsum()

型
使用group by函数进行累计计数，每当重复使用该符号时，您就添加1。

df['count'] = df.groupby(group).cumcount() + 1

型
如果它达到5，重置为1（因此是+1），我想这是最棘手的部分，这里有一个很好的introduction到lamba函数：

df['count'] = df.groupby(group)['count'].apply(lambda x: (x - 1) % 5 + 1)

型
然后符号的变化也会将计数重置为1，这是我们在开始时确定的

df.loc[mask, 'count'] = 1

型
希望这有帮助