旧版Pandas（0.13.1）替代pd.rolling实现年度收益计算方案

你遇到的问题确实是因为Pandas 0.13.1还没引入rolling() API（这个功能要到0.18.0版本才上线）。不用升级的话，我们可以用Numpy的滑动窗口技巧或者纯Pandas的apply方法来实现相同效果，下面是两种可行方案：

方案一：用Numpy stride_tricks实现高效滚动求和（推荐） #

对于你这种10000行×900列的大尺寸DataFrame，Numpy的底层实现会比纯Pandas操作快很多，适合处理大规模数据：

import numpy as np
import pandas as pd

# 1. 将DataFrame转换为Numpy数组
arr = df_data_zero.values
n_rows, n_cols = arr.shape
window_size = 12
n_result_cols = n_cols - window_size + 1  # 计算结果的列数

# 2. 创建滑动窗口数组（利用stride_tricks避免数据复制，内存效率拉满）
windowed_arr = np.lib.stride_tricks.as_strided(
    arr,
    shape=(n_rows, n_result_cols, window_size),
    strides=(arr.strides[0], arr.strides[1], arr.strides[1])
)

# 3. 对每个12期窗口求和，得到年度对数收益率
annual_returns_arr = windowed_arr.sum(axis=2)

# 4. 转换回DataFrame，保留原索引和对应年度结束的列名
annual_returns_df = pd.DataFrame(
    annual_returns_arr,
    index=df_data_zero.index,
    columns=df_data_zero.columns[window_size-1:]  # 第一个窗口对应前12个月，结束于第12列（索引11），所以列名从这里开始
)

小提示： #

• stride_tricks不会复制原始数据，只是改变数组的视图，所以内存占用极低
• 列名可以根据你的业务需求调整，如果年度收益率需要对应窗口起始的月份，就把列名改成df_data_zero.columns[:-window_size+1]

方案二：纯Pandas apply方法（兼容旧版本） #

如果不想依赖Numpy的高级技巧，可以用Pandas的apply逐行处理，虽然效率略低，但完全兼容0.13.1版本：

import pandas as pd

def calculate_annual_return(row, window_size=12):
    # 对单行计算所有连续12期的和
    return [row[i:i+window_size].sum() for i in range(len(row)-window_size+1)]

# 逐行应用函数，得到每个行的结果列表
row_results = df_data_zero.apply(calculate_annual_return, axis=1)

# 将列表转换为DataFrame
annual_returns_df = pd.DataFrame.from_records(row_results.values, index=row_results.index)

# 设置对应的列名
annual_returns_df.columns = df_data_zero.columns[11:]

小提示： #

• 对于10000行的数据，这个方法会比Numpy方案慢一些，但如果你的计算资源足够，完全可以正常运行
• pd.DataFrame.from_records在Pandas 0.13.1中是原生支持的，不用担心版本兼容问题

两种方案都能实现你需要的连续12个月对数收益率求和的效果，根据你的性能需求选择即可。

内容的提问来源于stack exchange，提问作者gte