Python 如何将当前行项目设置为前一行（如果较小），以熊猫为单位？

假设我有以下数据帧：

table = [[datetime.datetime(2015, 1, 31), 1, 0.5],
         [datetime.datetime(2015, 2, 27), 1, 2],
         [datetime.datetime(2015, 3, 31), 1, 1.5],
         [datetime.datetime(2015, 4, 30), 1, 0], 
         [datetime.datetime(2015, 5, 31), 1, 2],
         [datetime.datetime(2015, 6, 30), 1, 1.2],
         [datetime.datetime(2015, 7, 31), 1, 3],
         [datetime.datetime(2015, 8, 31), 1, 0]]

df = pd.DataFrame(table, columns=['Date', 'Id', 'Value'])

        Date  Id  Value
0 2015-01-31   1    0.5
1 2015-02-27   1    2.0
2 2015-03-31   1    1.5
3 2015-04-30   1    0.0
4 2015-05-31   1    2.0
5 2015-06-30   1    1.2
6 2015-07-31   1    3.0
7 2015-08-31   1    0.0

我希望有一种简单的方法来循环使用df，如果值的当前元素较小或相等，则将其设置为previous，如果元素已更改为previous，则添加一个布尔值。然而，我不知道该怎么做。生成的数据帧将是：

        Date  Id  Value  Altered
0 2015-01-31   1    0.5  False
1 2015-02-27   1    2.0  False 
2 2015-03-31   1    2.0  True
3 2015-04-30   1    2.0  True
4 2015-05-31   1    2.0  True
5 2015-06-30   1    2.0  True 
6 2015-07-31   1    3.0  False
7 2015-08-31   1    3.0  True

使用.cummax获取最新的最大值。将其与“值”列进行比较，以查看是否已更改

import pandas as pd
import datetime

table = [[datetime.datetime(2015, 1, 31), 1, 0.5],
     [datetime.datetime(2015, 2, 27), 1, 2],
     [datetime.datetime(2015, 3, 31), 1, 1.5],
     [datetime.datetime(2015, 4, 30), 1, 0], 
     [datetime.datetime(2015, 5, 31), 1, 2],
     [datetime.datetime(2015, 6, 30), 1, 1.2],
     [datetime.datetime(2015, 7, 31), 1, 3],
     [datetime.datetime(2015, 8, 31), 1, 0]]

df = pd.DataFrame(table, columns=['Date', 'Id', 'Value'])
df['New_Value'] = df.Value.cummax()
df['Altered'] = df['New_Value'] > df['Value']

print(df)


        Date  Id  Value  New_Value Altered
0 2015-01-31   1    0.5        0.5   False
1 2015-02-27   1    2.0        2.0   False
2 2015-03-31   1    1.5        2.0    True
3 2015-04-30   1    0.0        2.0    True
4 2015-05-31   1    2.0        2.0   False
5 2015-06-30   1    1.2        2.0    True
6 2015-07-31   1    3.0        3.0   False
7 2015-08-31   1    0.0        3.0    True

使用.cummax获取最新的最大值。将其与“值”列进行比较，以查看是否已更改

import pandas as pd
import datetime

table = [[datetime.datetime(2015, 1, 31), 1, 0.5],
     [datetime.datetime(2015, 2, 27), 1, 2],
     [datetime.datetime(2015, 3, 31), 1, 1.5],
     [datetime.datetime(2015, 4, 30), 1, 0], 
     [datetime.datetime(2015, 5, 31), 1, 2],
     [datetime.datetime(2015, 6, 30), 1, 1.2],
     [datetime.datetime(2015, 7, 31), 1, 3],
     [datetime.datetime(2015, 8, 31), 1, 0]]

df = pd.DataFrame(table, columns=['Date', 'Id', 'Value'])
df['New_Value'] = df.Value.cummax()
df['Altered'] = df['New_Value'] > df['Value']

print(df)


        Date  Id  Value  New_Value Altered
0 2015-01-31   1    0.5        0.5   False
1 2015-02-27   1    2.0        2.0   False
2 2015-03-31   1    1.5        2.0    True
3 2015-04-30   1    0.0        2.0    True
4 2015-05-31   1    2.0        2.0   False
5 2015-06-30   1    1.2        2.0    True
6 2015-07-31   1    3.0        3.0   False
7 2015-08-31   1    0.0        3.0    True

可以使用计算列的累积最大值

将cummax的结果存储为临时变量，将其与原始列进行比较以获得更改的列，然后将其指定为新值列：

temp = df.Value.cummax()
df['Altered'] = df.Value < temp
df['Value'] = temp

请注意，由于值保持为2.0，因此Altered中索引4处的值为False，而非True。

您可以使用该值计算列的累积最大值

将cummax的结果存储为临时变量，将其与原始列进行比较以获得更改的列，然后将其指定为新值列：

temp = df.Value.cummax()
df['Altered'] = df.Value < temp
df['Value'] = temp

---

请注意，更改后的索引4处的值为假，而不是真，因为该值仍然为2.0。

奇怪的问题，为什么第4行与预期结果不同？@deinonychusaur:索引4处的值在累积最大值列中仍然为2.0：未更改。也许这是OP的预期输出中的一个输入错误。我想在文本中定义“等于”和“OP express”一样经过修改，如果相关的话，会让它变得有点棘手。@deinonychusaur:如果是这样的话，我不清楚为什么索引0和1中也没有更改的值是假的。也许OP可以澄清…@Tingiskhan:没问题！让我知道这个答案是否缺少你想要的任何细节，我会添加进去。奇怪的问题，为什么第4行与预期结果不同？@deinonychusaur:索引4的值在累积最大值列中保持为2.0：它没有改变。也许这是OP的预期输出中的一个输入错误。我想在文本中定义“等于”和“OP express”一样经过修改，如果相关的话，会让它变得有点棘手。@deinonychusaur:如果是这样的话，我不清楚为什么索引0和1中也没有更改的值是假的。也许OP可以澄清…@Tingiskhan:没问题！如果这个答案遗漏了你想要的任何细节，请告诉我，我会把它添加进去。再次感谢建勋！再次感谢建勋！