如何在含NaN的Pandas序列中获取符合预期的滚动最大值？

问题说明 #

当Pandas序列包含NaN值时，使用rolling(window).max()无法得到预期结果：默认行为会因窗口内存在NaN直接返回NaN，而非忽略NaN取窗口内的有效最大值；同时max(skipna=True)参数已被弃用，无法生效。需要实现的逻辑是：

• 窗口内存在至少一个非NaN值时，返回该窗口的最大值（忽略NaN）
• 窗口内全为NaN时，返回NaN

解决方案 #

使用rolling.apply()自定义处理逻辑，结合Series的最大值方法实现需求，同时保留全NaN窗口的NaN结果。

完整代码示例 #

import pandas as pd
import numpy as np

# 场景1数据
x1 = pd.Series([1,2,np.nan,4,np.nan])
# 场景2数据
x2 = pd.Series([1,2,np.nan,np.nan,4,np.nan])

# 定义滚动最大值处理函数
def rolling_max_with_nan(window):
    # 检查窗口内是否有非NaN值
    if window.notna().any():
        return window.max(skipna=True)
    else:
        return np.nan

# 处理场景1
out1 = x1.rolling(window=2).apply(rolling_max_with_nan, raw=False)
print("场景1输出：")
print(out1)
print()

# 处理场景2
out2 = x2.rolling(window=2).apply(rolling_max_with_nan, raw=False)
print("场景2输出：")
print(out2)

输出结果 #

场景1输出：

0    NaN
1    2.0
2    2.0
3    4.0
4    4.0
dtype: float64

场景2输出：

0    NaN
1    2.0
2    2.0
3    NaN
4    4.0
5    4.0
dtype: float64

代码说明 #

• raw=False：确保传入自定义函数的是Pandas Series对象，而非numpy数组，方便用notna().any()判断窗口内是否有有效值
• 自定义函数先检查窗口内是否存在非NaN值：有则返回忽略NaN的最大值，无则返回NaN，完全匹配预期逻辑

内容的提问来源于stack exchange，提问作者Nilesh Ingle