Pandas DataFrame高效查找：定位满足条件的最近历史索引日期

import pandas as pd
import numpy as np

# 示例DataFrame
data = {'lower': [7, 1, 6, 1, 1, 1, 1, 11, 1, 1],
        'upper': [2, 3, 4, 5, 6, 7, 8, 9, 10, 11]}
df = pd.DataFrame(data=data)
df['DATE'] = pd.date_range('2020-01-01', periods=len(data['lower']))
df['DATE'] = pd.to_datetime(df['DATE'])
df.set_index('DATE', inplace=True)

# 使用 df.apply 的原始方法
def get_most_recent_index(row):
    # 查找当前行之前的所有行
    previous_indices = df.loc[:row.name - pd.Timedelta(minutes=1)]  
    # 筛选满足条件的行，并获取最大的索引（即最近的日期）
    recent_index = previous_indices[previous_indices['lower'] >= row['upper']].index.max()
    return recent_index

df['prev'] = df.apply(get_most_recent_index, axis=1) 
print(df)

from bisect import bisect_left

def get_prev_bs(lower_series, upper_series, date_index):
    # 获取所有不重复的 lower 值并排序
    uniq_lower = sorted(set(lower_series))
    # 存储每个 lower 值最后一次出现的日期
    last_seen = {}

    # 迭代 DataFrame 的每一行
    for l, u, d in zip(lower_series, upper_series, date_index):
        # 使用 bisect_left 找到第一个大于或等于当前 upper 值的 lower 值的索引
        # 这意味着 uniq_lower[idx:] 包含了所有 >= u 的 lower 值
        idx = bisect_left(uniq_lower, u)

        max_date = None
        # 遍历所有满足条件的 lower 值
        for lv in uniq_lower[idx:]:
            if lv in last_seen:
                # 如果该 lower 值在历史中出现过
                if max_date is None:
                    max_date =