如何在Pandas中高效实现递推生成C列（避免for循环）

这个递推问题可以通过数学转化为向量化运算，完全避免显式for循环，利用numpy/Pandas的底层累积运算实现最高效的计算。

核心思路 #

你的递推公式 C[n] = A[n] + B[n] * C[n-1] 可以展开为加权求和的形式：

C[n] = A[n] + A[n-1]*B[n] + A[n-2]*B[n]*B[n-1] + ... + A[0]*B[n]B[n-1]...*B[1]

通过构造累积乘积数组，我们可以将这个求和转化为cumsum（累积和）与cumprod（累积乘积）的组合运算，全程用向量化操作完成，效率远高于循环。

实现代码 #

import pandas as pd
import numpy as np

# 构造示例DataFrame
a = [2, 3, -8, -2, 1]
b = [1, 1, 4, 2, 1]
df = pd.DataFrame({'A': a, 'B': b})

# 构造累积乘积数组：第一个元素为1，后续是B[1:]的累积乘积
cum_prod = np.cumprod(np.concatenate([[1], df['B'].values[1:]]))

# 计算C列：向量化运算，无显式循环
df['C'] = (df['A'] / cum_prod).cumsum() * cum_prod

# 验证结果
print(df)

输出结果 #

运行后你会得到完全符合预期的C列：

A  B   C
0  2  1   2
1  3  1   5
2 -8  4  12
3 -2  2  22
4  1  1  23

为什么高效？ #

• 所有运算都是numpy/Pandas的底层C实现，避免了Python循环的开销，处理大型DataFrame时优势极其明显；
• 仅需三次向量运算：cumprod、cumsum和元素级乘除，时间复杂度为O(n)，是理论最优复杂度。

内容的提问来源于stack exchange，提问作者Big AL