Pandas实现无循环判断当前行值小于前n行所有值及反向判断的方法

首先先把示例数据的创建代码放出来，方便大家复现：

import pandas as pd
dataframe = pd.DataFrame(
    {
        'col_name': [2, 3, 1, 0, 5, 4, 3, 3]
    }
)

一、筛选值小于前n行所有值的行 #

你的需求是找到每一行的值比它前面n行的所有值都小的行（比如n=2时，目标索引是2、3、6），而且不能用for循环。你提到的思路需要稍微修正下：应该是统计前n行中大于当前行的值的数量等于n，才说明当前行比前n行所有值都小。不过我推荐用更高效的方式——直接对比当前值和前n行的最小值，毕竟如果当前值比前n行的最小值还小，那自然比所有前n行的值都小。

方法1：滚动最小值法（推荐，性能更好） #

用rolling窗口计算前n行的最小值，再通过shift(1)把结果对齐到当前行的位置，最后判断当前值是否小于这个最小值：

n = 2
# 计算前n行的最小值，shift(1)让每个位置对应它前面n行的最小值
prev_n_min = dataframe['col_name'].rolling(window=n).min().shift(1)
# 筛选条件：当前值 < 前n行最小值，前n个行没有足够的前n行，自动为NaN，筛选时会被排除
mask = dataframe['col_name'] < prev_n_min
# 获取符合条件的索引
result_indices = dataframe[mask].index.tolist()
print(result_indices)  # 输出 [2, 3, 6]，和预期一致

方法2：基于你的思路（统计前n行大于当前值的数量） #

如果一定要用统计数量的思路，可以用rolling的apply方法，对包含当前行和前n行的窗口，统计前n行中大于当前值的元素个数是否等于n：

n = 2
# 对每个窗口，统计前n行（窗口的前n个元素）大于当前行（窗口最后一个元素）的数量
mask = dataframe['col_name'].rolling(window=n+1).apply(
    lambda x: (x[:-1] > x[-1]).sum() == n, raw=True
)
# 前n个行没有足够的前n行，手动把这些位置的mask设为False
mask.iloc[:n] = False
result_indices = dataframe[mask].index.tolist()
print(result_indices)  # 输出 [2, 3, 6]

二、筛选值大于后n行所有值的行 #

这个逻辑和前面正好相反，我们需要判断当前行的值是否比它后面n行的所有值都大，也就是当前值大于后n行的最大值。

方法：反向滚动最大值法 #

可以直接用rolling的反向窗口，或者把数据反转后处理再反转回来，后者更直观：

n = 2
# 反转列数据，此时原数据的后n行变成了反转数据的前n行
reversed_col = dataframe['col_name'][::-1]
# 计算反转数据中前n行的最大值，shift(1)对齐到当前行
prev_n_max_reversed = reversed_col.rolling(window=n).max().shift(1)
# 再反转回来，得到原数据中每个行对应的后n行最大值
next_n_max = prev_n_max_reversed[::-1]
# 筛选条件：当前值 > 后n行最大值，最后n个行没有足够的后n行，设为False
mask = dataframe['col_name'] > next_n_max
mask.iloc[-n:] = False
# 获取符合条件的索引
result_indices = dataframe[mask].index.tolist()
print(result_indices)  # 输出 [1, 4, 5]

如果你想用更直接的反向窗口写法，也可以这样：

n = 2
# 用closed='right'指定窗口包含右侧的行，shift(-n)对齐到当前行
next_n_max = dataframe['col_name'].rolling(window=n, closed='right').max().shift(-n)
mask = dataframe['col_name'] > next_n_max
mask.iloc[-n:] = False
result_indices = dataframe[mask].index.tolist()
print(result_indices)  # 同样输出 [1, 4, 5]

内容的提问来源于stack exchange，提问作者Mahdi