如何遍历Pandas DataFrame，按日筛选首次满足A≥B的记录

看起来你现在的代码会把所有满足A≥B的记录都塞进列表里，但你只需要每天的第一条，对吧？别担心，我们可以利用pandas的分组功能来高效解决这个问题，比循环遍历整个大DataFrame要快得多。

具体实现方案 #

直接遍历索引的方式不仅效率低，还没法过滤掉同一天的重复符合条件记录，我们换个思路：先按日期分组，再从每组里提取首次符合条件的记录：

import pandas as pd

# 假设你的DataFrame名为df，且Date列是DatetimeIndex
# 提取日期部分作为分组依据
df['day'] = df.index.date

# 先筛选所有A≥B的行，再按日期分组取每组第一行
daily_first_match = df[df['A'] >= df['B']].groupby('day').first().reset_index()

# 生成你需要的字符串列表
count = [f"A is larger than B on {row.name}" for _, row in daily_first_match.iterrows()]

# 输出结果
for line in count:
    print(line)

代码逻辑解释 #

• df.index.date：从DatetimeIndex中提取纯日期（比如2019-09-13），用来确保我们按自然日分组。
• df[df['A'] >= df['B']]：先筛选出所有满足条件的记录，再分组，避免对无符合条件的日期做无效处理。
• .groupby('day').first()：对每个日期分组取第一行，也就是当天首次出现A≥B的记录。
• 最后用列表推导式把结果格式化成你需要的字符串样式，得到的count列表就是精准的每日首次记录集合。

如果你的Date列不是索引，而是普通列，只需要把df.index.date改成df['Date'].dt.date就可以了，逻辑完全一致。

内容的提问来源于stack exchange，提问作者Mark T