Pandas滚动窗口优化：替代循环计算涨跌均值和的高效方法

问题背景 #

现有DataFrame包含Change列，需要基于窗口大小100的滚动窗口，分别计算窗口内正值的均值、负值的均值，再将两个均值相加。原循环遍历的方法运行速度慢，需要更高效的实现方案。

高效实现方案 #

利用pandas的向量化滚动操作替代Python循环，大幅提升运行效率，代码如下：

import pandas as pd
import numpy as np

# 构造示例数据（可替换为你的真实数据）
df = pd.DataFrame({'Change': [-0.5, -0.25, 1, 1.5, 0.25, -0.75, -1, 2] + [0]*92 + [0.5, -0.3]*50})

# 分离正负值：将正值保留在positive列，负值保留在negative列，不符合条件的设为NaN
df['positive'] = df['Change'].mask(df['Change'] <= 0)
df['negative'] = df['Change'].mask(df['Change'] >= 0)

window_size = 100

# 滚动计算窗口内的总和与有效数据点数量（仅当窗口包含完整100条数据时计算）
roll_pos_sum = df['positive'].rolling(window=window_size, min_periods=window_size).sum()
roll_pos_count = df['positive'].rolling(window=window_size, min_periods=window_size).count()
roll_neg_sum = df['negative'].rolling(window=window_size, min_periods=window_size).sum()
roll_neg_count = df['negative'].rolling(window=window_size, min_periods=window_size).count()

# 计算均值：处理窗口内无正/负值的情况（此时均值设为NaN）
pos_mean = np.where(roll_pos_count > 0, roll_pos_sum / roll_pos_count, np.nan)
neg_mean = np.where(roll_neg_count > 0, roll_neg_sum / roll_neg_count, np.nan)

# 得到最终的diff列
df['diff'] = pos_mean + neg_mean

# 可选：删除临时生成的positive和negative列
df.drop(['positive', 'negative'], axis=1, inplace=True)

方案优势 #

• 性能提升：pandas的滚动sum/count是内部优化的向量化操作，相比Python循环，数据量越大，速度差距越明显（百万级数据下能快几十甚至上百倍）。
• 逻辑清晰：通过分离正负列，把复杂的窗口过滤计算拆解为简单的滚动统计，可读性更强。
• 边界处理：通过min_periods=window_size确保只有完整100条数据的窗口才会计算结果，和原逻辑保持一致；同时用np.where处理窗口内无正/负值的情况，避免除以0的错误。

内容的提问来源于stack exchange，提问作者top bantz