Python dataframe在每天满足特定条件的时间后设置为true

我需要将条件列设置为True，在价格为每天20或更高的时间之后，如下图所示

我想避免使用apply函数，因为我获得了数百万数据。我认为应用需要太多的时间。

每天使用或，并通过以下方式进行比较：

---

如果还需要按照

compid

进行测试：

df['condition'] = df.groupby(['compid', df['datetime'].dt.date])['price'].cummax().ge(20)

---

您可以使用：

或者，如果需要

条件

列中的

bool

值，请执行以下操作：

In [1309]: df['condition'] = np.where(df.groupby(df.datetime.dt.date).price.cumsum().ge(20), True, False)

In [1310]: df
Out[1310]: 
   compid            datetime  price  condition
0       1 2020-11-06 00:00:00     10      False
1       1 2020-11-06 00:00:10     20       True
2       1 2020-11-06 00:00:20      5       True
3       1 2020-11-07 00:00:00     20       True
4       1 2020-11-07 00:00:10      5       True
5       1 2020-11-07 00:00:20     25       True

df['condition'] = df.groupby(['compid', df['datetime'].dt.date])['price'].cummax().ge(20)

print (df)
   compid            datetime  price  condition
0       1 2020-11-06 00:00:00     10      False
1       1 2020-11-06 00:00:10     20       True
2       1 2020-11-06 00:00:20      5       True
3       1 2020-11-07 00:00:00     20       True
4       1 2020-11-07 00:00:10      5       True
5       1 2020-11-07 00:00:20     25       True

In [1306]: import numpy as np

In [1307]: df['condition'] = np.where(df.groupby(df.datetime.dt.date).price.cumsum().ge(20), 'TRUE', 'FALSE')

In [1308]: df
Out[1308]: 
   compid            datetime  price condition
0       1 2020-11-06 00:00:00     10     FALSE
1       1 2020-11-06 00:00:10     20      TRUE
2       1 2020-11-06 00:00:20      5      TRUE
3       1 2020-11-07 00:00:00     20      TRUE
4       1 2020-11-07 00:00:10      5      TRUE
5       1 2020-11-07 00:00:20     25      TRUE

In [1309]: df['condition'] = np.where(df.groupby(df.datetime.dt.date).price.cumsum().ge(20), True, False)

In [1310]: df
Out[1310]: 
   compid            datetime  price  condition
0       1 2020-11-06 00:00:00     10      False
1       1 2020-11-06 00:00:10     20       True
2       1 2020-11-06 00:00:20      5       True
3       1 2020-11-07 00:00:00     20       True
4       1 2020-11-07 00:00:10      5       True
5       1 2020-11-07 00:00:20     25       True