Python 熊猫-在滚动窗口中计算大于x的值的最快方法是什么？

给定一个系列

a

，对于每个值

a[i]

我需要计算

a[i-window:i-1]

中有多少值大于

a[i]

下面的代码通过python for循环完成这项工作，该循环在严重的计算任务中速度较慢

熊猫是否提供类似的功能，可能包含一些优化的Numpy功能

import numpy as np
import pandas

window = 30                              # any arbitrary window
a = pandas.Series(np.random.rand(100))   # dummy variable, arbitrary length

counter = pandas.Series(data=np.NaN, index=a.index)

for i in a.index[window:]:
    counter[i] = (a[i-window:i-1] < a[i]).sum()

print counter

将numpy导入为np
进口大熊猫
窗口=30#任意窗口
a=pandas.Series（np.random.rand（100））#伪变量，任意长度
计数器=熊猫系列（数据=np.NaN，索引=a.index）
对于a.index[window:]中的i：
计数器[i]=（a[i-窗口：i-1]

您可以使用

将numpy导入为np
作为pd进口熊猫
窗口=30
df=pd.DataFrame（np.random.randn（100），columns=['Data']）
计数=pd。滚动应用（df，窗口+1，λs:s[s

---

确保在窗口大小中添加一个。

a.rolling（window）.count（）我想。我在打电话，无法验证。谢谢，所以在熊猫中，0.18+将是

df.rolling（window=window+1）。apply（lambda:s:（s

我想可能有比布尔值求和更快的计数方法吗？我不在我的计算机旁，但我建议尝试过滤/成形。也可能是一些使用秩的算法优化。我考虑过水平平铺数组

np.tile（a，（window，1））.T

，然后进行水平计算。欢迎任何建议，谢谢！不客气。我花了一些时间试图通过减少多余的比较来改进这一点。其思想是保持一个具有窗口大小长度的排序列表，并使用二等分添加/删除元素。然而，即使对于更大的窗口，我的实现仍然比这慢得多。也许上述方法可以在cython中很好地实现。顺便说一句，我修改了答案，以避免对布尔值求和。

import numpy as np
import pandas as pd

window = 30
df = pd.DataFrame(np.random.randn(100), columns=['Data'])

counts = pd.rolling_apply(df, window+1, lambda s: s[s < s[-1]].shape[0])