如何用更高效且Pythonic的方式清理DataFrame，保留小于前值的元素

嘿，你的这个数据集清理需求，其实用pandas内置的方法就能完美解决，而且比你现在的循环高效太多，代码也更简洁！

先拆解你的需求本质 #

你要的是：让序列里的每个元素，要么是自身（如果比前一个元素小），要么继承前一个元素的值（如果不小于）。换个角度看，这其实就是取序列到当前位置为止的累积最小值——因为累积最小值会自动“保留”之前的最小数值，当当前值不小于这个最小值时，就直接沿用它，完全匹配你的规则。

说说你现有代码的小问题 #

你的循环实现虽然能得到正确结果，但有两个可以优化的点：

• 直接通过df_results['my_data'][data_idx[i]]修改元素，很可能触发pandas的SettingWithCopyWarning，这是官方不推荐的修改方式，容易引发意外的bug。
• Python循环在处理大数据集时速度很慢，而pandas的内置方法都是基于C扩展优化的，效率能提升好几个数量级。

一行代码搞定的最优方案 #

用pandas的cummin()方法，一行代码就能完成清理：

import pandas as pd

# 初始化你的数据集
df_results = pd.DataFrame({'my_data': [10, 8, 7, 10, 5, 8, 2]})

# 计算累积最小值，直接替换原列
df_results['my_data'] = df_results['my_data'].cummin()

# 查看结果
print(df_results)

运行后输出完全符合你的预期：

my_data
0       10
1        8
2        7
3        7
4        5
5        5
6        2

简单解释下原理 #

cummin()会逐行计算从序列开头到当前位置的最小值：

• 第0个元素：就是自身10
• 第1个元素：取min(10, 8)得到8
• 第2个元素：取min(10, 8, 7)得到7
• 第3个元素：取min(10, 8, 7, 10)还是7
• 后面的元素以此类推，完美贴合你设定的清理规则。

这种方式不仅代码简洁易读，处理大规模数据时的速度优势会特别明显，绝对是更Pythonic的实现方式~

内容的提问来源于stack exchange，提问作者HennyKo