pandas.Rolling中'on'参数作用及滚动窗口排序疑问

问题背景 #

用户的示例代码与数据：

import pandas as pd
df = pd.DataFrame({"values": [3,2,1,1000,1,3,1],"day":[1,2,3,1,2,3,1]})

输出的初始DataFrame：

values  day
0       3    1
1       2    2
2       1    3
3    1000    1
4       1    2
5       3    3
6       1    1

需求为：找出连续2个同day分组的最大值。

用户尝试两种方法后出现困惑：

1. 先按day排序再执行滚动：df.sort_values("day").rolling(2).sum().sort_index() 得到预期结果
2. 使用on参数执行滚动：df.rolling(2,on="day").max() 结果不符合预期，输出如下：

values    day
0     NaN    1.0
1     3.0    2.0
2     2.0    3.0
3  1000.0    1.0
4  1000.0    2.0
5     3.0    3.0
6     3.0    1.0

核心原因解析 #

1. rolling窗口的本质是按行的物理位置滑动 #

不管是否使用on参数，rolling窗口都是基于DataFrame的当前行顺序来滑动的，不会自动对数据做排序或分组。

排序后生效的原因是：排序操作将同day的行连续排列，此时rolling(2)会把相邻的同day数据纳入同一个窗口，自然能计算出同day连续两个数据的聚合结果。

2. on参数的真实作用 #

pandas文档中on参数的描述容易产生误解，它的真实功能是：

• 仅用于确定窗口的数值/时间边界（比如时间序列中按固定日期间隔划分窗口），而非帮你对数据分组或排序。
• 当指定on="day"时，pandas会基于day列的值判断窗口是否符合大小要求，但不会改变原有行的顺序。例如原数据中行0（day1）与行3（day1）物理上不相邻，rolling(2,on="day")不会将这两行放入同一个窗口。

3. 排序后索引未变但生效的原因 #

df.sort_values("day")仅改变了行的物理排列顺序，索引虽然保留原值，但rolling窗口的滑动逻辑只关心当前行的先后顺序，与索引本身的数值无关。排序后原索引0、3、6的行被连续排列，rolling(2)会依次计算这三行中相邻两行的最大值，最后sort_index()只是将行序恢复为原索引顺序而已。

推荐实现方式 #

如果需要按day分组后每组内做滚动窗口计算，更准确的写法是结合groupby与rolling：

# 按day分组，每组内计算2个数据的滚动最大值
df["rolling_max"] = df.groupby("day")["values"].rolling(2).max().reset_index(level=0, drop=True)

内容的提问来源于stack exchange，提问作者guillaume V