使用带多参数预定义函数实现Pandas滚动计算遇维度错误如何解决？

报错原因 #

你遇到的ValueError: Data must be 1-dimensional，本质是因为使用method="table"时，rolling.apply传入的是二维numpy数组而非DataFrame，无法用列名z["a"]索引；同时原写法的逻辑也不符合rolling.apply对返回值维度的要求。

最优实现方案（性能优先） #

如果你的需求只是对a和b的乘积做滚动求和，直接用pandas向量化操作是最高效的，完全不需要用rolling.apply：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.random((100, 2)), columns=["a", "b"])
# 直接计算a*b的列，再做滚动5窗口求和
df['result'] = (df['a'] * df['b']).rolling(5).sum()

这种方式利用pandas的内置向量化运算，比apply类的循环操作快几个数量级，尤其适合大数据集。

通用多列滚动处理方案（复杂函数场景） #

如果你的实际函数f逻辑更复杂，必须在滚动窗口中同时处理多列数据，可以调整函数接收二维数组，按索引提取列：

import pandas as pd
import numpy as np

def f(x, y):
    return x * y

def rolling_calc(window):
    # window是形状为(窗口大小, 列数)的numpy数组，按索引取对应列
    a_vals = window[:, 0]
    b_vals = window[:, 1]
    return f(a_vals, b_vals).sum()

df = pd.DataFrame(np.random.random((100, 2)), columns=["a", "b"])
df['result'] = df.rolling(5, method="table").apply(rolling_calc)

这里method="table"会把整个窗口的多列数据以二维数组形式传入rolling_calc，函数处理后返回标量，即可得到正确的滚动计算结果。

内容的提问来源于stack exchange，提问作者NicFit_88