如何基于滚动窗口计算更新Pandas DataFrame的flag列且保留原有值？

核心思路 #

原来的np.where会强制覆盖所有行的flag值，要实现仅更新满足条件的行，不满足条件的保留原有值，只需先筛选出符合条件的行，再单独赋值即可，无需替换整个列。

优化后的代码实现 #

# 用rolling原生方法计算窗口极值，替代低效的apply写法
rolling_min = df['A'].rolling(60).min()
rolling_max = df['A'].rolling(60).max()

# 生成满足条件的布尔掩码
condition = (rolling_min > 50) & (rolling_max < 100)

# 仅对符合条件的行更新flag为'yes'，其余行保留原有值
df.loc[condition, 'flag'] = 'yes'

补充说明 #

• 如果flag列尚未初始化，可先设置默认值（比如初始为'no'），再执行赋值：

  df['flag'] = 'no'  # 初始化默认值
  df.loc[condition, 'flag'] = 'yes'
  

• 使用rolling().min()和rolling().max()比apply(lambda s: s.min())效率高很多，数据量大时差异尤为明显。

内容的提问来源于stack exchange，提问作者jB777