Python中rolling函数使用报错：ValueError: window必须为非负整数

我编写了如下代码：

DF['AA'].rolling('90D').apply(calc_performance)

其中calc_performance函数定义为：

def calc_performance(x):
    if len(x) < 3:
        return np.nan
    else:
        return (x[-1] / x[0]) - 1

但运行时抛出错误：

ValueError: window must be an integer 0 or greater

我的DataFrame结构如下：

AA  
2009-12-31     107.50     
2010-01-04     106.40    
2010-01-05     102.50     
2010-01-06     106.90     
2010-01-07     104.40   
...               ...   
2023-03-01     121.08   
2023-03-02     124.12     
2023-03-03     122.52   
2023-03-06     128.19    
2023-03-07     133.33   

请问哪里操作出错了？

错误原因 #

pandas的rolling().apply()方法不支持时间偏移量（如'90D'）作为窗口参数，该方法仅接受整数类型的窗口大小（即固定行数的滑动窗口），这就是触发ValueError的直接原因。

解决方案 #

根据你的需求，有两种高效的解决方式：

方式1：用内置方法替代apply（推荐） #

你的计算逻辑是窗口内最后一个值与第一个值的比值减1，完全可以用rolling的last()和first()内置方法实现，无需使用apply（内置方法为向量化运算，性能远高于apply的循环计算）：

import numpy as np

# 计算90天窗口内首尾值的比值减1
result = (DF['AA'].rolling('90D').last() / DF['AA'].rolling('90D').first()) - 1
# 过滤窗口内数据不足3条的情况，替换为NaN
result = result.where(DF['AA'].rolling('90D').count() >= 3, np.nan)

方式2：重采样后使用整数窗口+apply #

如果你的自定义逻辑更复杂，必须使用apply，可以先将时间序列按天重采样（填补缺失日期），再用固定行数的窗口：

import numpy as np

# 按天重采样，缺失值用前向填充（可根据业务需求调整填充策略）
df_daily = DF.resample('D').ffill()
# 使用90行作为窗口（对应90天），调用自定义函数
result = df_daily['AA'].rolling(90).apply(calc_performance)
# 将结果还原回原DataFrame的时间索引
result = result.loc[DF.index]

内容的提问来源于stack exchange，提问作者TourEiffel