如何为DataFrame添加仅含rolling window的列用于后续分析？

直接存储Rolling对象（你的代码逻辑） #

你写的代码本身是可以运行的，它会把pandas.core.window.rolling.Rolling对象直接存入新列：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({"Close": range(100)})
df["rolling_20"] = df["Close"].rolling(20)

后续要使用窗口时，你可以对该列的每个对象调用方法，比如计算均值：

df["rolling_mean"] = df["rolling_20"].apply(lambda win: win.mean())

不过这种方式会重复触发窗口计算，效率不算高，适合简单的小数据场景。

存储窗口实际数据切片 #

如果你的核心需求是拿到每个位置对应的窗口内的原始数据（比如第20行对应的前20条Close值），可以用apply把窗口转成列表存入列：

df["window_data"] = df["Close"].rolling(20).apply(lambda x: x.tolist(), raw=True)

这样window_data列的每个元素都是对应窗口的数值列表（前19行窗口不满，会显示NaN），后续直接对列表做自定义分析即可，比如计算窗口的极差：

df["window_range"] = df["window_data"].apply(lambda lst: max(lst) - min(lst) if pd.notna(lst) else None)

关键注意点 #

• 存Rolling对象时，列里的元素是对象引用，查看DataFrame时看不到具体窗口数据，必须调用方法才能获取计算结果。
• 存窗口数据切片会占用更多内存，因为每行都要存一个列表，适合数据量不大的场景。
• 大数据集下，更建议直接在需要分析时调用rolling方法，避免额外内存消耗。

内容的提问来源于stack exchange，提问作者Ali