Pandas带Datetime Index多列滚动窗口传递DataFrame至自定义函数方法

你遇到的问题本质是 pandas的rolling().apply()默认会逐列处理DataFrame——每一列的滚动窗口会被单独作为Series传入你的自定义函数，所以extract_features只能拿到单列数据，而非包含data_1和data_2的完整窗口DataFrame。

下面是一个简单且高效的调整方案，让你的自定义函数能接收包含所有列的窗口DataFrame：

步骤1：修改特征收集类，保存原DataFrame引用 #

我们需要在FeatureCollector中保存原始DataFrame的引用，这样就能通过窗口的时间索引，提取出对应时间范围的完整窗口数据：

import pandas as pd

class FeatureCollector:
    def __init__(self, original_df):
        self.feature_dicts = []
        self.original_df = original_df  # 保存原DataFrame，用于后续提取完整窗口
        
    def collect(self, window_series):
        # 利用窗口Series的索引，从原DataFrame中取出包含所有列的窗口DataFrame
        window_df = self.original_df.loc[window_series.index]
        # 调用你的特征提取函数，传入完整窗口
        self.feature_dicts.append(extract_features(window_df))
        # 返回任意值即可（apply需要返回与输入窗口长度匹配的结果，这里返回1不影响特征收集）
        return 1

def extract_features(window_df):
    ans = {}
    # 这里可以自由使用window_df的所有列计算特征
    ans['data_1_avg'] = window_df['data_1'].mean()
    ans['data_2_latest'] = window_df['data_2'].dropna().iloc[-1] if not window_df['data_2'].isna().all() else None
    # 添加你的自定义特征逻辑
    return ans

步骤2：调整滚动窗口的调用方式 #

注意：只需要对DataFrame中的任意一列执行apply，因为所有列的滚动窗口时间索引是完全一致的，这样可以避免逐列重复收集特征：

# 假设你的原始DataFrame是my_df，已设置DatetimeIndex
collector = FeatureCollector(my_df)

# 选择任意一列（比如data_1）执行滚动窗口操作
my_df['data_1'].rolling(
    window=pd.Timedelta(seconds=100), 
    min_periods=10
).apply(collector.collect, raw=False)

# 最终获取所有窗口的特征
features = collector.feature_dicts

为什么这个方法可行？ #

滚动窗口传入的window_series（哪怕是单列的）包含了当前窗口的全部时间索引，我们通过original_df.loc[window_series.index]就能精准提取出该时间范围内的所有列数据，得到完整的窗口DataFrame。而且只对一列调用apply，保证每个窗口只会触发一次特征收集，不会产生重复数据。

额外提示 #

• 确保你的原始DataFrame的索引是唯一的DatetimeIndex，否则loc可能返回重复数据
• 如果数据量极大，这种方法的效率不如直接处理ndarray，但对于绝大多数时间序列场景，它的可读性和易用性都更优

内容的提问来源于stack exchange，提问作者Андрей Подопрос