Получите минимум за счет итераций записи в фрейме данных pandas

Я создал следующий фрейм данных pandas:

import pandas as pd
import numpy as np

ds = { 'trend' : [1,1,1,1,2,2,3,3,3,3,3,3,4,4,4,4,4], 'price' : [23,43,56,21,43,55,54,32,9,12,11,12,23,3,2,1,1]}

df = pd.DataFrame(data=ds)

Кадр данных выглядит следующим образом:

display(df)

    trend   price
0      1     23
1      1     43
2      1     56
3      1     21
4      2     43
5      2     55
6      3     54
7      3     32
8      3     9
9      3     12
10     3     11
11     3     12
12     4     23
13     4     3
14     4     2
15     4     1
16     4     1

Я сохранил фрейм данных в файле .csv с именем df.csv:

df.to_csv("df.csv", index = False)

Мне нужно создать новое поле под названием minimum, которое:

1. перебирает каждую запись кадра данных
2. берет минимум между price, наблюдаемым на каждой итерации, и последним price, наблюдаемым в предыдущей trend.

Например:

• Я повторяю запись 0, а минимальная цена — 23 (есть только она).
• Я перебираю запись 1 и беру минимум между 43 и 23: результат — 23.

Перенесемся к записи 4.

• Мне нужно вычислить минимум между price, наблюдаемым в записи 4 (price: 43), и последним price, наблюдаемым для предыдущей trend (price: 21). Результат: 21.

Перенесемся к записи 14.

• Мне нужно вычислить минимум между price, наблюдаемым в записи 14 (price: 2), и последним price, наблюдаемым для предыдущей trend (price: 12). Результат 2.

И так далее.

Затем я написал этот код:

minimum = []

for i in range(len(df)):
    ds = pd.read_csv("df.csv", nrows=i+1)
    d = ds.groupby('trend', as_index=False).agg(
                                                    {'price':'last'})

    d['minimum'] = d['price'].min()
    minimum.append(d['minimum'].iloc[-1])


ds['minimum'] = minimum

Результирующий фрейм данных выглядит следующим образом:

дисплей(д)

        trend   price   minimum
0          1     23         23
1          1     43         43
2          1     56         56
3          1     21         21
4          2     43         21
5          2     55         21
6          3     54         21
7          3     32         21
8          3      9          9
9          3     12         12
10         3     11         11
11         3     12         12
12         4     23         12
13         4      3          3
14         4      2          2
15         4      1          1
16         4      1          1

Полученный фрейм данных правильный.

Проблема в том, что мне приходится применить этот процесс к фрейму данных, который содержит около 1 миллиона записей, и на его выполнение уйдет около 48 лет.

Кто-нибудь знает более быстрый способ получить те же результаты, что и выше?