如何高效计算Pandas中各personID的points列滑动最小值？

针对你的需求，最直接高效的方式是利用Pandas的分组（groupby）结合累计最小值函数（cummin），或者扩展窗口函数（expanding().min()）来实现，完全不需要依赖shift()。

核心解法：用groupby + cummin() #

cummin()会自动对每个分组内的序列，逐行计算从第一行到当前行的最小值，完美匹配你要的"每个personID对应行及之前所有points值的最小值"的需求，代码简洁且性能优异。

示例代码如下：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'personID': [1,1,1,2,2,3,3,3,3],
    'points': [10, 5, 8, 15, 12, 7, 3, 9, 2]
})

# 新增localMin列
df['localMin'] = df.groupby('personID')['points'].transform('cummin')

执行后得到的结果：

备选方案：groupby + expanding().min() #

如果你需要更明确的窗口逻辑，也可以用expanding()窗口结合min()，效果和cummin()完全一致：

df['localMin'] = df.groupby('personID')['points'].expanding().min().reset_index(level=0, drop=True)

为什么shift()不适用 #

shift()只是单纯地将序列行向上/向下移动，无法维护每个分组的累计最小值状态，自然无法实现"从分组开头到当前行的最小值"这类需要持续追踪状态的计算。

性能说明 #

以上两种方法都是Pandas内部优化过的矢量化操作，避免了手动循环分组的低效问题，即使处理百万级别的大型数据集，也能保持良好的运行效率。

内容的提问来源于stack exchange，提问作者Joseph K.