Pandas中如何实现条件滚动累加的向量化操作

在Pandas数据处理过程中，经常会遇到需要对满足特定条件的数据进行滚动累加的需求，比如统计近7天内销售额大于1000的订单累计金额，或者计算最近5次实验中成功实验的累计次数。如果使用循环逐个遍历数据，不仅代码冗长，在处理大规模数据时还会带来严重的性能问题，而向量化实现可以充分利用Pandas的底层优化，大幅提升执行效率。

基础条件滚动累加实现

最基础的条件滚动累加可以通过布尔掩码和cumsum方法组合实现，先筛选出满足条件的数据，再将不满足条件的值置为0，最后进行累加。下面的示例演示了如何对销售额大于1000的订单进行累计求和：

import pandas as pd
import numpy as np

# 构造示例数据
data = {
    'order_id': range(1, 11),
    'sales': [800, 1200, 900, 1500, 1100, 700, 1300, 1000, 1400, 850]
}
df = pd.DataFrame(data)
print("原始数据：")
print(df)

# 条件：销售额大于1000
condition = df['sales'] > 1000
# 满足条件的值保留，不满足的置为0，再累加
df['cumsum_gt_1000'] = (df['sales'] * condition).cumsum()
print("n条件滚动累加结果：")
print(df)

结合rolling的窗口条件累加

如果需要限制累加的窗口范围，比如只累加最近3个满足条件的值，可以结合rolling方法实现。首先生成满足条件的标记值，再对标记值进行窗口内的累加操作：

import pandas as pd

# 构造示例数据
data = {
    'date': pd.date_range('2024-01-01', periods=10),
    'value': [2, 5, 3, 7, 1, 8, 4, 9, 2, 6]
}
df = pd.DataFrame(data)
print("原始数据：")
print(df)

# 条件：值大于4
condition = df['value'] > 4
# 满足条件的记为当前值，不满足记为0
masked_value = df['value'] * condition
# 窗口大小为3的滚动累加
df['rolling_cumsum'] = masked_value.rolling(window=3, min_periods=1).sum()
print("n窗口为3的条件滚动累加结果：")
print(df)

复杂条件的自定义向量化实现

当条件涉及多列判断或者更复杂的逻辑时，可以使用numpy的where方法构造向量化的条件判断，再结合累加逻辑实现需求。下面的示例演示了当类别为A且数值大于5时，进行滚动累加的需求：

import pandas as pd
import numpy as np

# 构造示例数据
data = {
    'category': ['A', 'B', 'A', 'A', 'B', 'A', 'B', 'A', 'A', 'B'],
    'num': [3, 6, 7, 4, 8, 9, 5, 2, 10, 7]
}
df = pd.DataFrame(data)
print("原始数据：")
print(df)

# 多条件判断：类别为A且数值大于5
condition = (df['category'] == 'A') & (df['num'] > 5)
# 构造累加值：满足条件取num，否则取0
accum_value = np.where(condition, df['num'], 0)
# 计算滚动累加
df['custom_cumsum'] = np.cumsum(accum_value)
print("n复杂条件滚动累加结果：")
print(df)

性能对比与注意事项

为了验证向量化实现的性能优势，我们可以对比循环方式和向量化方式的执行时间。在处理10万行数据时，向量化实现的耗时通常仅为循环方式的几十分之一。需要注意的是，向量化实现依赖于Pandas和Numpy的内置方法，当条件逻辑过于复杂无法用内置方法表达时，才考虑使用循环或者apply方法，同时尽量避免在向量化逻辑中混入Python层面的循环操作，否则会失去向量化的性能优势。

Pandas条件滚动累加向量化实现DataFrame修改时间：2026-07-09 08:45:14