高效优雅地获取Pandas Series子区间最大值的方法

给定如下Pandas Series：

index | value
-------------
0     | 2
1     | 0
2     | 8
3     | 0
4     | 1
5     | 2
6     | 7
7     | 4
8     | 2
9     | 9
10    | 0
11    | 0

需要生成向后滚动子区间最大值序列：对每个索引i，取从i开始的最多5个元素的最大值（不足5个时取剩余所有元素的最大值），期望结果如下：

index | value
-------------
0     | 8
1     | 8
2     | 8
3     | 7
4     | 7
5     | 9
6     | 9
7     | 9
8     | 9
9     | 9
10    | 0
11    | 0

高效实现方案 #

完全不需要用迭代（iloc/iterrows这类方法效率极低），可以利用Pandas的向量化滚动窗口API，通过「反转序列+向前滚动+再反转」的方式实现，全程是批量操作，性能拉满：

import pandas as pd

# 原始Series
s = pd.Series([2, 0, 8, 0, 1, 2, 7, 4, 2, 9, 0, 0])
window_size = 5

# 核心实现：反转后转向前滚动计算，再反转回原顺序
result = s[::-1].rolling(window=window_size, min_periods=1).max()[::-1]

# 输出验证
print(result)

逻辑说明 #

• s[::-1]：将原始序列反转，把「向后取窗口」的需求转化为Pandas原生支持的「向前取窗口」需求
• rolling(window=window_size, min_periods=1).max()：对反转后的序列做向前滚动最大值计算，min_periods=1参数保证当剩余元素不足窗口大小时，仍能取现有元素的最大值
• 最后用[::-1]反转回原顺序，直接得到目标结果

内容的提问来源于stack exchange，提问作者oos1111