为何Pandas rolling方法返回的Series与原Series数据类型不同？

当使用float32类型的Series调用rolling窗口的mean()方法时，返回结果的数据类型会自动转为float64，示例代码如下：

import numpy as np
import pandas as pd

x = pd.Series(np.ones(6), dtype='float32')
print(x.dtype, x.rolling(window=3).mean().dtype)

执行后输出：

float32 float64

原因解析 #

Pandas在实现rolling窗口计算时，默认会使用float64精度来执行内部运算。这是出于计算准确性的考虑：窗口类计算（比如均值、求和）涉及多次累加或数值运算，使用更高精度的float64可以有效避免float32带来的精度损失问题，尤其是在窗口较大或数据复杂度高的场景下。

解决方案 #

如果需要强制保留原Series的数据类型，可以通过以下方式实现：

• 显式转换数据类型：计算完成后直接用astype()转回原类型

result = x.rolling(window=3).mean().astype(x.dtype)
print(result.dtype)  # 输出: float32

• 自定义聚合函数控制精度：利用agg()结合numpy的指定精度计算函数，在运算过程中维持原精度

result = x.rolling(window=3).agg(lambda win: np.mean(win, dtype=x.dtype))
print(result.dtype)  # 输出: float32

内容的提问来源于stack exchange，提问作者Bill