如何使用Pandas计算带额外判断条件的滚动均值？

首先需要先对原始3-day-min列做预处理，将占位符-转换为数值类型可识别的缺失值，避免后续计算报错：

import pandas as pd
import numpy as np

# 转换3-day-min列为数值类型，非数值的'-'会自动转为NaN
df['3-day-min'] = pd.to_numeric(df['3-day-min'], errors='coerce')

运行你原有的滚动均值计算代码：

df['rolling_mean'] = df['3-day-min'].rolling(3).mean()

接下来实现你的判断逻辑，有两种常用实现方式：

方法1：np.where 逻辑直观写法 #

完全匹配你描述的判断规则，可读性高：

# 规则：滚动均值>Total时取Total，否则取滚动均值
df['rolling_mean'] = np.where(
    df['rolling_mean'] > df['Total'],
    df['Total'],
    df['rolling_mean']
)

方法2：取最小值简化写法 #

你的需求本质是取「计算得到的滚动均值」和「当前行Total值」的较小值，可以直接用np.minimum简化代码：

df['rolling_mean'] = np.minimum(df['rolling_mean'], df['Total'])

两种方法得到的结果完全一致，你可以根据自己的习惯选择。

内容的提问来源于stack exchange，提问作者dinn_