如何在Pandas DataFrame中高效计算当前行3行范围内的列最大值？

问题背景 #

现有如下Pandas DataFrame：

import pandas as pd
data = pd.DataFrame(data={'input':[1,2,3,4,5,6,7,8,9,10,
                                   11,12,13,14,15,14.5,
                                   13.5,12.5,11.5,10.5,
                                   9.5,8.5,7.5,6.5,5.5,
                                   4.5,3.5,2.5,1.5,0.5]})

需要在input列右侧新增一列max，存储当前行前后3行范围内input列的最大值，预期结果如下：

data['max'] = [4,5,6,7,8,9,10,11,12,13,
               14,15,15,15,15,15,15,15,14.5,13.5,12.5,
               11.5,10.5,9.5,8.5,7.5,6.5,5.5,4.5,3.5]

由于数据量达百万级，逐行迭代的方式效率过低，需要采用基于向量化的高效数组操作方法。

解决方案 #

使用Pandas内置的rolling方法实现中心滑动窗口计算，完全基于向量化操作，性能远优于逐行循环：

import pandas as pd

data = pd.DataFrame(data={'input':[1,2,3,4,5,6,7,8,9,10,
                                   11,12,13,14,15,14.5,
                                   13.5,12.5,11.5,10.5,
                                   9.5,8.5,7.5,6.5,5.5,
                                   4.5,3.5,2.5,1.5,0.5]})

# 计算前后3行范围内的最大值
data['max'] = data['input'].rolling(window=7, center=True, min_periods=1).max()

# 验证结果（可选）
print(data['max'].tolist())

参数说明 #

• window=7：窗口覆盖当前行及前后各3行，总计7行数据
• center=True：将当前行设为窗口的中心位置，确保窗口包含前后3行
• min_periods=1：允许窗口中至少存在1个数据点，自动处理首尾无法凑齐7行的边界情况

扩展说明 #

后续需要计算min列时，只需将.max()替换为.min()即可，同样基于向量化操作，效率一致：

data['min'] = data['input'].rolling(window=7, center=True, min_periods=1).min()

内容的提问来源于stack exchange，提问作者PTTHomps