在熊猫df中“预见”值的有效方法

Question

我有一个包含时间序列的pandas df，从t（0）开始，我需要向前看t（n）并查看前面的最大值和最小值，在一个由列“from”和“to”。

这是我的df：

这是我的解决方案，虽然有效，但速度极慢：

df[‘max_ahead’] = df.apply(lambda x: df[‘value’][int(df[‘from’]):int(df[‘to’])].max(), axis=1)
df[‘min_ahead’] = df.apply(lambda x: df[‘value’][int(df[‘from’]):int(df[‘to’])].min(), axis=1)

有没有办法在熊猫或numpy数组中加快速度？我的df包含数百万行，上面的代码需要太长时间。

Answer 1

由于切片的窗口似乎是常量（在你的情况下是100），试试这个：

df['max_ahead'] = df[value].rolling(window=100).max()
df['max_ahead'] = df['max_ahead'].shift(-100)

最后的转变会重新创建你想要的解决方案，而不必使用应用lambda，这可能很慢。

Answer 2

您的移动窗口修复为100，然后我们可以在此处应用rolling 例如：对于此示例数据框，我选择移动窗口= 2

df=pd.DataFrame({'V':[1,2,3,4,5,6,7,8,9,10]})
df.rolling(window=2).min()
Out[474]: 
     V
0  NaN
1  1.0
2  2.0
3  3.0
4  4.0
5  5.0
6  6.0
7  7.0
8  8.0
9  9.0