面板数据分组滚动窗口计算的两类技术疑问及原因探究

问题1：为什么groupby('customer').rolling(3, on='month').sales.sum()会报错？ #

这个报错的核心原因和rolling参数on的查找逻辑直接相关：
当你对groupby('customer')后的对象调用rolling时，rolling是在每个分组的子DataFrame上独立工作的。此时每个子DataFrame的索引是原MultiIndex中的month，但on参数的规则是：如果传入字符串名称，它会优先去子DataFrame的列中查找匹配项，而不是索引。

你的month是原DataFrame的索引层级，在分组后变成了子DataFrame的索引，并不是列，所以rolling找不到名为month的列，就会抛出ValueError: invalid on specified as month, must be a column (of DataFrame), an Index or None这个错误。

解决思路其实很简单：

• 如果你想基于month索引滚动，完全不需要指定on参数，rolling默认会用当前子DataFrame的索引做滚动依据，直接写groupby('customer').rolling(3).sales.sum()即可（前提是每个分组的month是按时间排序的，你的示例数据满足这个条件）。
• 如果你一定要用on='month'，那需要把month从索引转为列，也就是用reset_index('month')处理原DataFrame，让month成为子DataFrame的列。

问题2：为什么groupby('customer').rolling(3).sales.sum()会新增索引层级？ #

首先要澄清：在pandas 1.0+的版本中，这个代码的结果索引应该和原DataFrame的索引结构完全一致——都是(customer, month)的多层索引，并没有新增层级。你感觉有额外层级，大概率是两种情况：

1. 旧版本pandas的行为差异：在pandas 1.0之前的旧版本中，RollingGroupby的结果会把分组键和滚动后的索引合并成一个三层索引（比如customer + month + month），看起来像是多了一层。
2. 显示误解：当你查看结果时，pandas的索引显示方式可能让你误以为多了层级，但实际结构和原索引是匹配的。

如果确实遇到了索引不匹配的情况，不要用.values这种忽略索引的粗暴方式，更好的做法是用reset_index去掉重复的分组键层级：

# 正确赋值方式，保持索引匹配
example_df['rolling_3m_sum'] = example_df.groupby('customer')\
                                         .rolling(3).sales.sum()\
                                         .reset_index(level=0, drop=True)

这样既保留了正确的索引关联，又避免了忽略索引带来的潜在问题。

额外提示：性能优化 #

你提到要避免apply这类性能低下的函数，groupby.rolling本身就是pandas提供的矢量化滚动计算接口，内部用C实现，性能远高于apply自定义滚动逻辑，完全符合你的性能要求。

内容的提问来源于stack exchange，提问作者Raisin