Pandas滚动窗口技术问题：返回未应用额外函数的滚动窗口DataFrame及过滤非NaN值不足元素

问题2：滚动窗口内非NaN值数量不足时替换为NaN #

你之前的代码报错，是因为rolling.apply()默认要求返回聚合后的标量或一维结果，直接返回整个窗口的x不符合它的预期。我们换个思路，先算每个窗口的非NaN数量，再根据阈值过滤就行：

情况1：按每列单独判断非NaN数量

如果需要针对每列单独校验（某列的滚动窗口内非NaN数≥min_periods，才保留该列当前值）：

window_size = 4
min_periods = 2

# 计算每列的滚动非NaN计数
col_rolling_count = df.rolling(window_size).count()

# 仅保留计数达标的列值，否则设为NaN
result = df.where(col_rolling_count >= min_periods)

情况2：按整个窗口总非NaN数判断

如果要求整个滚动窗口的非NaN总数≥min_periods，才保留当前行的所有值：

window_size = 4
min_periods = 2

# 计算每个滚动窗口内的非NaN总数
total_rolling_count = df.rolling(window_size).count().sum(axis=1)

# 总数达标则保留原值，否则整行设为NaN
result = df.where(total_rolling_count >= min_periods, np.nan)

这两种方法既避开了apply()的限制，运行效率也比自定义lambda更高，你可以根据实际需求选其中一种。

内容的提问来源于stack exchange，提问作者lazarea