Numpy 如何根据数据帧中其他列的值为每行获取n-period的最大值？

假设我有一个df：

idx   c1   
A     1  
B     7  
C     8  
D     6  
E     5  
F     6 
G     9 
H     8 
I     0 
J    10 

根据c1为每行获得n个句点的最大值，然后为其创建新列的最快方法是什么？如果是三周期，那么它将是这样的：

idx   c1   new_col
A     1     0
B     7     0
C     8     0
D     6     8      (prev. 3-period, 1,7,8, 8 is the highest)
E     5     8      (prev. 3-period, 7,8,6  8 is the highest)
F     6     8      (prev. 3-period, 8,6,5  8 is the highest)
G     9     6      (prev. 3-period, 6,5,6  6 is the highest)
H     8     9      (prev. 3-period, 5,6,9  9 is the highest)
I     0     9      (prev. 3-period, 6,9,8  9 is the highest)
J    10     9      (prev. 3-period, 9,8,0  9 is the highest)

我现在的代码是：

list=[]
for row in range(len(df)):
    if row < 3:
       list.append(0)
    else:
       list.append(max(c1[row-3:row]))
df['new_col'] = list

list=[]
对于范围内的行（len（df））：
如果行<3：
列表。追加（0）
其他：
list.append（最大值（c1[第3行：第4行]）
df['new_col']=列表

---

这个方法非常慢，因为我有很多行，必须循环整个过程。有没有更快的方法？谢谢。

这只是

滚动

和

轮班

：

df['new_col'] = df['c1'].rolling(3).max().shift().fillna(0)

输出：

  idx  c1  new_col
0   A   1      0.0
1   B   7      0.0
2   C   8      0.0
3   D   6      8.0
4   E   5      8.0
5   F   6      8.0
6   G   9      6.0
7   H   8      9.0
8   I   0      9.0
9   J  10      9.0