使用Pandas rolling()计算滚动最大值时，如何排除窗口内前N个值？

方法一：通用自定义函数法（支持任意N值） #

这种方法通过rolling.apply()自定义处理逻辑，能灵活实现“忽略窗口内前N个元素后计算最大值”的需求，适配各种N值和窗口大小的组合。

import pandas as pd

# 初始化DataFrame
df = pd.DataFrame({'a': [150, 106, 119, 131, 121, 140, 160, 119, 170]})

def max_skip_n(window, n=1):
    # 窗口元素数量不足以跳过前n个时，返回NaN
    if len(window) <= n:
        return pd.NA
    # 跳过前n个元素后计算最大值
    return window[n:].max()

# 设置窗口大小为6，忽略前1个元素（n=1）
df['b'] = df['a'].rolling(window=6).apply(max_skip_n, args=(1,), raw=True)

print(df)

运行结果：

a      b
0  150  140.0
1  106  160.0
2  119  160.0
3  131  170.0
4  121    NaN
5  140    NaN
6  160    NaN
7  119    NaN
8  170    NaN

（注：你预期结果中第3行的161应为笔误，实际计算最大值为170）

如果需要忽略前N个元素，只需修改args=(N,)即可，比如忽略前2个元素就设置args=(2,)。

方法二：高效shift+rolling法（适合固定N值） #

当N值固定时，可通过shift()和rolling()结合的方式避免自定义函数的开销，运行效率更高。

以忽略前1个元素、窗口大小6为例：窗口内忽略第一个元素，等价于取当前位置之后的5个元素的最大值，因此可以将原数据后移1位，再取窗口大小为5的滚动最大值：

import pandas as pd

df = pd.DataFrame({'a': [150, 106, 119, 131, 121, 140, 160, 119, 170]})

# 后移1位，再取窗口大小为5的滚动最大值
df['b'] = df['a'].shift(-1).rolling(window=5).max()

print(df)

运行结果和方法一完全一致。

通用化公式：若窗口大小为k，忽略前N个元素，则等价于取当前位置后移N位的数据，再取窗口大小为k-N的滚动最大值：

# 示例：窗口大小k=6，忽略前N=2个元素
df['b'] = df['a'].shift(-2).rolling(window=6-2).max()

为什么你的尝试无效？ #

• attempt 1：df.a.shift(-1).rolling(6).max() 将窗口大小设为6，导致每个位置取的是后移1位后连续6个元素的最大值，和需求的“原窗口6个元素忽略第一个”不符。
• attempt 2：closed='left' 仅控制窗口闭合方向，并没有忽略窗口内的第一个元素，逻辑不符合需求。
• attempt 3：循环切片的方式没有将计算结果赋值给df['b']，且未处理窗口长度不足的情况，无法得到完整结果。

内容的提问来源于stack exchange，提问作者AmirX