我有一个巨大的pandas数据框，有两列time和value。为了简单起见，time和value是整数。我指定了数字\delta t。我需要创建一个新列latest_value，它将包含value列中的元素，使得它的time是小于或等于time - \delta t的最大时间。
例如，如果**\delta t=10**，则 Dataframe 由下式给出：
| 时间|价值|
| --------------|--------------|
| 10个|0|
| 十五岁|1|
| 十六岁|第二章|
| 二十|三|
| 二十五|四|
| 三十六|五|
| 四十一|六|
应输出
| 时间|价值|最新值|
| --------------|--------------|--------------|
| 10个|0|南|
| 十五岁|1|南|
| 十六岁|第二章|南|
| 二十|三|0|
| 二十五|四|1|
| 三十六|五|四|
| 四十一|六|四|

time列已排序。

我知道滚动窗口的解决方案，但它需要太多时间。

def latest_value_Xms_apart(timestamps, values, lag=0.05):
    current_timestamp = timestamps.iloc[-1]
    mask = (current_timestamp - timestamps) >= lag
    
    if mask.any():
        latest_value = values[mask].iloc[-1]
        return latest_value
    else:
        return np.nan

df['latest_value'] = df['timestamp'].rolling(window=100, min_periods=1).apply(
    lambda x: latest_value_Xms_apart(x, df.loc[x.index, 'value']), raw=False
)

这里我假设我们总是可以在感兴趣的元素之前的最后100个观察中找到所需的元素，否则我的代码只会花费太多时间。