如何将Excel多列滑动窗口计算转换为Python DataFrame处理？

以下是完整的Python实现代码，覆盖你需要的所有列计算，重点解决F列的核心需求：

步骤1：导入依赖并初始化数据 #

import pandas as pd
import numpy as np

# 假设你的传感器数据列表是sensor_data（对应Excel中的B列）
sensor_data = [你的B列数据列表]

# 创建DataFrame，自动生成A列序号slno（从1开始）
df = pd.DataFrame({
    'slno': range(1, len(sensor_data)+1),
    'data': sensor_data
})

步骤2：计算C列（3元素滑动窗口平均值） #

对应Excel中C4=AVERAGE(B2:B4)的逻辑，滑动窗口函数会自动将结果对应到窗口最后一行的位置：

# window=3表示窗口大小为3，结果对应窗口最后一个元素的行
df['C'] = df['data'].rolling(window=3).mean()

步骤3：计算D列（对应窗口的最大值） #

和平均值逻辑一致，用滑动窗口直接求最大值：

df['D'] = df['data'].rolling(window=3).max()

步骤4：计算E列（判断相邻窗口最大值是否连续重复） #

判断当前行的窗口最大值是否和上一行的窗口最大值相等，相等标记为yes，否则为no：

# 用shift(1)获取上一行的D列值，eq()判断是否相等
df['E'] = np.where(df['D'].eq(df['D'].shift(1)), 'yes', 'no')
# 前两行没有完整的前序窗口，将E列前两行设为空
df.loc[:1, 'E'] = np.nan

步骤5：计算F列（E列为yes时，取窗口中第一个等于最大值的序号） #

这是核心步骤，通过滑动窗口自定义函数定位目标序号，再结合E列条件填充：

# 定义滑动窗口处理函数：输入窗口的DataFrame，返回第一个等于最大值的slno
def get_first_matching_slno(window):
    max_val = window['data'].max()
    # 找到窗口中第一个等于最大值的行，返回其slno
    return window[window['data'] == max_val]['slno'].iloc[0]

# 计算每个窗口对应的第一个匹配slno，raw=False表示传入窗口的完整DataFrame
df['first_slno'] = df.rolling(window=3).apply(get_first_matching_slno, raw=False)

# 仅在E列为yes时填充F列，否则为空
df['F'] = np.where(df['E'] == 'yes', df['first_slno'], np.nan)

# 可选：删除中间辅助列first_slno
# df.drop('first_slno', axis=1, inplace=True)

关键说明 #

1. 为什么用Pandas DataFrame：

   • 百万级数据下，Pandas的向量化操作比纯列表循环效率高几个数量级，底层基于numpy实现，能高效处理大数据量。
   • 滑动窗口rolling函数封装了窗口边界处理逻辑，无需手动编写复杂循环。

2. F列的高效实现：

   • 用rolling.apply结合自定义函数，每个窗口仅需3次数据对比，百万级数据的处理时间在可接受范围内。
   • 避免了逐行循环的低效操作，确保处理速度。

3. 空值处理：

   • 前两行没有完整的3元素窗口，因此C、D列前两行为空，E、F列前两行也对应设为空，和Excel中的逻辑完全一致。

内容的提问来源于stack exchange，提问作者S N B