pandas按国家分组温度超阈值后持续标记1的高效实现方案

直接使用pandas向量化分组操作即可，性能远高于Python原生循环，20万行数据可在毫秒级完成计算：

df['check'] = df.groupby('Country')['Temp'].transform(lambda x: (x > 26).cummax()).astype(float)

实现逻辑 #

• 按Country字段分组，保证不同国家的计算逻辑完全独立
• 对每个分组内的Temp序列做判断：大于26的位置标记为布尔值True（等价于数值1），否则为False（等价于数值0）
• 调用cummax()做累积最大值计算：只要序列中出现过一次True，后续所有位置的累积最大值都会保持为True，刚好匹配「一旦超过26度就一直保持1，直到切换国家」的规则
• 用transform将分组计算结果映射回原DataFrame的对应行，保证索引对齐
• 最后转float类型，和示例中的0.0/1.0输出格式完全一致

验证示例 #

用你给出的测试数据执行上述代码，输出结果完全匹配需求：

import pandas as pd
# 构造测试数据
data = {
    "Country": ["Canada"]*5 + ["USA"]*5,
    "Temp": [25,26,27,25,24,25,26,27,23,22]
}
df = pd.DataFrame(data)
# 计算check列
df['check'] = df.groupby('Country')['Temp'].transform(lambda x: (x>26).cummax()).astype(float)
print(df)

内容的提问来源于stack exchange，提问作者Adnan Hadi