如何按指定递归规则实现列表状态计算（优先pandas方案）

pandas.rolling 不适合实现这个逻辑：rolling 是固定窗口的独立聚合机制，每一步计算不依赖上一步的输出结果，无法处理这种串行条件累计。下面给出两种可直接运行的实现，优先提供 pandas 方案，同时附纯Python标准库实现。

计算规则对齐 #

逻辑完全匹配给出的样例：

• 索引0的初始值：S[0] = 输入列表[0] - 1
• 索引大于0时：
  • 若前序状态S[x-1] > 0：S[x] = S[x-1] - 1 + 输入列表[x]
  • 若前序状态S[x-1] <= 0：S[x] = 输入列表[x] - 1
• 测试输入[1,1,2,0,0,2]的预期输出为[0,0,1,0,-1,1]

Pandas实现方案 #

直接遍历Series做累计计算即可，逻辑清晰无额外依赖，普通长度的列表性能完全足够：

import pandas as pd
import numpy as np

def calc_with_pandas(input_list: list) -> list:
    if not input_list:
        return []
    s = pd.Series(input_list, dtype=np.int64)
    res = np.empty(len(s), dtype=np.int64)
    # 初始化第一个位置的值
    res[0] = s.iloc[0] - 1
    # 串行计算后续位置
    for i in range(1, len(s)):
        prev_s = res[i-1]
        res[i] = prev_s - 1 + s.iloc[i] if prev_s > 0 else s.iloc[i] - 1
    return res.tolist()

# 样例测试
if __name__ == "__main__":
    test_input = [1,1,2,0,0,2]
    print(calc_with_pandas(test_input))  # 输出: [0, 0, 1, 0, -1, 1]

如果需要处理百万级以上的超长序列，可以给循环加numba加速，性能会接近原生C速度。

纯Python标准库实现 #

不需要安装任何第三方依赖，传入列表即可返回结果：

def calc_with_purepy(input_list: list) -> list:
    if not input_list:
        return []
    res = [0] * len(input_list)
    res[0] = input_list[0] - 1
    for idx in range(1, len(input_list)):
        prev = res[idx-1]
        res[idx] = prev - 1 + input_list[idx] if prev > 0 else input_list[idx] - 1
    return res

# 样例测试
if __name__ == "__main__":
    test_input = [1,1,2,0,0,2]
    print(calc_with_purepy(test_input))  # 输出: [0, 0, 1, 0, -1, 1]

注意事项 #

• 不推荐使用递归实现：Python默认递归深度限制在1000左右，输入列表长度超过阈值会直接触发栈溢出；同时递归写法存在大量重复计算，性能远低于迭代实现。
• 不要强行套用rolling方法：rolling的设计目标是窗口内独立聚合，不支持这种每一步结果依赖上一步输出的串行逻辑，强行实现反而会让代码复杂度升高、性能下降。

内容的提问来源于stack exchange，提问作者MMM