如何在DataFrame中检测过去7日内是否出现超20%的跌幅？

别用循环，直接用pandas的**滚动窗口（rolling）**和向量化操作，效率能提升几个数量级，尤其适合大规模时间序列数据。以下针对两种需求场景给出实现方案：

场景1：当前价格相对过去7天最高价跌幅超20% #

如果你的需求是判断每个日期的价格，是否比过去7个交易日（含当天）里的最高价跌了20%以上，可以这么写：

import pandas as pd

# 处理日期格式并设为索引（如果Date是列的话）
df['Date'] = pd.to_datetime(df['Date'])
df.set_index('Date', inplace=True)

# 计算过去7个交易日的滚动最高价（不足7天的按实际天数算）
rolling_7d_high = df['Price'].rolling(window=7, min_periods=1).max()

# 判断当前价相对最高价跌幅是否超过20%
df['-20 Pct Move Trigger'] = (df['Price'] / rolling_7d_high - 1) <= -0.2

运行后，2024-01-19会被标记为True——当天价格3280相对于过去7天最高价4295，跌幅约23.6%，符合你的示例结果。

场景2：过去7天内任意时段出现过跌幅超20% #

如果需要捕捉过去7天区间里任意两个交易日之间的跌幅超20%（比如某天下跌后又反弹），可以通过计算滚动最大回撤实现：

import pandas as pd

df['Date'] = pd.to_datetime(df['Date'])
df.set_index('Date', inplace=True)

# 计算滚动窗口内的累积最高价
rolling_cummax = df['Price'].rolling(window=7, min_periods=1).cummax()
# 计算每个价格相对窗口内最高价的跌幅
drawdown = df['Price'] / rolling_cummax - 1
# 找出窗口内的最大跌幅（即最小的drawdown值）
rolling_max_drawdown = drawdown.rolling(window=7, min_periods=1).min()

# 判断窗口内是否出现过跌幅超20%的情况
df['-20 Pct Move Trigger'] = rolling_max_drawdown <= -0.2

这种方法会标记所有曾出现过大幅下跌的日期，哪怕后续价格反弹。

为什么比循环高效？ #

pandas的滚动窗口操作是基于C语言的向量化运算，避免了Python循环逐行遍历的开销，数据量越大，速度差距越明显。

内容的提问来源于stack exchange，提问作者Anonymous