如何在pandas中计算动态滑动窗口的局部最大值并生成新列

你需要的自适应边界居中滚动最大值判断，直接用pandas内置的rolling方法即可实现，无需手写逐行循环，性能更高且逻辑更简洁。

核心逻辑说明 #

• 窗口大小设为5，开启居中对齐center=True，默认覆盖当前行+前2行+后2行
• 最小观测数设为min_periods=1，开头、结尾位置行数不足5行时，自动按实际存在的行数缩小窗口计算，不会产生空值
• 逐行比较当前行值与对应窗口的最大值，相等则标记为区间最大值

实现代码 #

import pandas as pd

# 示例数据（对应你给出的Close序列）
df = pd.DataFrame({
    'Close': [10, 12, 13, 9, 11, 15, 17, 13, 12, 10]
})

# 计算动态窗口最大值
df['window_max'] = df['Close'].rolling(window=5, center=True, min_periods=1).max()
# 生成判断列，标记当前行是否为对应区间最大值
df['is_range_max'] = df['Close'] == df['window_max']

结果验证 #

执行上述代码后得到的计算结果和你给出的预期完全一致：

如果需要输出带// Max注释的格式，可直接遍历打印：

for close_val, is_max in zip(df['Close'], df['is_range_max']):
    print(f"{close_val}  // Max" if is_max else close_val)

打印输出：

10
12
13  // Max
9
11
15
17  // Max
13
12
10

原有代码问题说明 #

你之前写的循环逻辑存在几个错误：

• df['Close'].max()是直接计算整个列的全局最大值，不是指定动态区间的最大值
• range(i, i+2)仅覆盖当前行及后1行，没有包含前2行范围，也没有处理开头、结尾的边界适配
• 逐行循环为非向量化计算，数据量较大时运行效率极低

内容的提问来源于stack exchange，提问作者Artrade