未来最小 pandas 数据框
Future minimum pandas dataframe
我在 Pandas DataFrame 中有一个时间序列，我想为其添加一个具有（未来）最小值的新列。具体来说，假设我的时间序列中有以下值：
VAL
1
0
4
3
2
3
4
我想找到最小值 "looking forward"。例如，前 2 个值的最小值是 0，接下来的三个值是 2（不再考虑 0，因为即使它是整体最小值，它已经过去了），然后是 3，最后是 4。
VAL MIN
1 0
0 0
4 2
3 2
2 2
3 3
4 4
关于如何使用 Pandas 或 Numpy 高效地执行此操作的任何想法？谢谢！
翻转，使用np.minimum.accumulate，翻转回来-
In [252]: df['MIN'] = np.minimum.accumulate(df['VAL'][::-1])[::-1]
In [253]: df
Out[253]:
VAL MIN
0 1 0
1 0 0
2 4 2
3 3 2
4 2 2
5 3 3
6 4 4
使用cummin
df['MIN'] = df.VAL[::-1].cummin()[::-1]
VAL MIN
0 1 0
1 0 0
2 4 2
3 3 2
4 2 2
5 3 3
6 4 4
我们可以使用 expanding 和 min
df['New']=df.VAL.iloc[::-1].expanding(min_periods=1).min()
我在 Pandas DataFrame 中有一个时间序列，我想为其添加一个具有（未来）最小值的新列。具体来说，假设我的时间序列中有以下值：
VAL
1
0
4
3
2
3
4
我想找到最小值 "looking forward"。例如，前 2 个值的最小值是 0，接下来的三个值是 2（不再考虑 0，因为即使它是整体最小值，它已经过去了），然后是 3，最后是 4。
VAL MIN
1 0
0 0
4 2
3 2
2 2
3 3
4 4
关于如何使用 Pandas 或 Numpy 高效地执行此操作的任何想法？谢谢！
翻转，使用np.minimum.accumulate，翻转回来-
In [252]: df['MIN'] = np.minimum.accumulate(df['VAL'][::-1])[::-1]
In [253]: df
Out[253]:
VAL MIN
0 1 0
1 0 0
2 4 2
3 3 2
4 2 2
5 3 3
6 4 4
使用cummin
df['MIN'] = df.VAL[::-1].cummin()[::-1]
VAL MIN
0 1 0
1 0 0
2 4 2
3 3 2
4 2 2
5 3 3
6 4 4
我们可以使用 expanding 和 min
df['New']=df.VAL.iloc[::-1].expanding(min_periods=1).min()