如何用Pandas实现基于C_p序列均值的船舶停泊状态判定？

数据与规则说明 #

• 现有Pandas DataFrame包含Index、Group、C_p三列：
  • 索引1-6的Group为1，C_p值依次为27、85、83、78、66、47
  • 索引7-9的Group为3，C_p值依次为82、80、66
• C_p为船舶停泊置信系数，判定规则：

  若一段连续数据的C_p均值≥80，且序列长度≥3，则该序列内的所有行标记为停泊状态（is_parked=1），其余为0。

  • 示例：索引2-4的序列均值为82.67，满足条件需标记为1；索引7-8序列均值达标但长度仅2，不满足条件。

现有尝试的代码逻辑 #

最初尝试的逻辑（未适配Pandas）：

for i in range(n - 2): # n is the element number of a group
    avg = (C_p[i] + C_p[i+1] + C_p[i+2]) / 3
    if avg >= 80:
        is_parked[i] = is_parked[i+1] = is_parked[i+2] = 1 # default value of is_parked is 0

后续调整的逻辑，但时间复杂度为O(n³)，性能极差：

for i in range(n):
    thisSUM = C_p[i]
    for j in range(i+1, n):
        thisSUM += C_p[j]
        avg = thisSUM / (j - i + 1)
        if avg >= 80 and j - i + 1 >= 3:
            for k in range(i, j+1):
                is_parked_check[k] = 1

核心问题 #

1. 是否可以用Pandas高效实现该判定逻辑？
2. 若Pandas不合适，是否应改用Numpy或其他工具实现？

内容的提问来源于stack exchange，提问作者AndrewChao