pandas.rolling.apply(raw参数不同时，np.prod处理NaN的行为差异疑问

核心原因：raw参数决定传递给np.prod的数据类型 #

• 当设置raw=False时，滚动窗口会将数据以pandas Series对象传递给np.prod。pandas的Series在计算乘积时默认启用skipna=True，即便调用的是np.prod，底层也会沿用Series的乘积逻辑，自动忽略NaN值。
• 当设置raw=True时，滚动窗口会将数据以numpy数组传递给np.prod。numpy原生的prod函数没有跳过NaN的默认逻辑，只要数组中存在NaN，最终乘积结果就会直接返回NaN。

场景验证 #

以2013-01-04的B列滚动窗口为例：

• 窗口内的数据为[1.0, 2.0, np.nan]
• raw=False时，传递的是Series，np.prod(Series)等价于Series.prod(skipna=True)，计算结果为1.0*2.0=2.0
• raw=True时，传递的是numpy数组np.array([1.0,2.0,np.nan])，np.prod直接返回NaN

解决办法：用np.nanprod替代np.prod #

如果要保留raw=True的性能优势，同时实现忽略NaN的乘积计算，只需使用numpy专门的忽略NaN乘积函数np.nanprod：

df.rolling('3D', min_periods=1).apply(np.nanprod, raw=True)

执行后结果与raw=False时完全一致：

B   C
2013-01-01  1.0 1.0
2013-01-02  1.0 2.0
2013-01-03  2.0 6.0
2013-01-04  2.0 24.0
2013-01-05  8.0 60.0

内容的提问来源于stack exchange，提问作者Jetpac