Pandas滚动窗口apply获取多项式回归系数报错，如何获取全部系数？

问题原因 #

pd.Series.rolling().apply() 默认要求处理函数返回单个标量值，但np.polyfit()返回的是包含所有多项式系数的数组，因此触发TypeError: only size-1 arrays can be converted to Python scalars。

解决方法 #

方法1：将系数展开为多列（推荐） #

利用apply的result_type='expand'参数，直接将每个窗口的系数数组展开为独立列，操作更直观，便于后续分析：

import pandas as pd
import numpy as np

# 示例数据
df = pd.DataFrame({'Col': np.random.randn(100)})
window_size = 10  # 9次多项式需要至少10个样本点，窗口大小必须≥次数+1

def fit_poly(x):
    # 生成窗口内的x轴坐标（0到window_size-1）
    x_axis = np.arange(window_size)
    # 返回9次多项式的系数数组（从高次到低次）
    return np.polyfit(x_axis, x, 9)

# 执行滚动拟合并展开为多列
coeff_df = df['Col'].rolling(window=window_size).apply(
    fit_poly,
    raw=True,
    result_type='expand'
)

# 给系数列命名，对应9次到0次项的系数
coeff_df.columns = [f'poly_deg_{d}' for d in range(9, -1, -1)]

# 合并回原DataFrame
df = pd.concat([df, coeff_df], axis=1)

方法2：将系数存入单列（作为列表） #

如果需要把所有系数保存在同一列中，可以将系数数组转为元组（避开Pandas的标量检测），再转为列表：

df['poly_coeffs'] = df['Col'].rolling(window=window_size).apply(
    lambda x: tuple(np.polyfit(np.arange(window_size), x, 9)),
    raw=True
).apply(list)

注意事项 #

• 窗口大小必须≥多项式次数+1（比如9次多项式需要至少10个样本点），否则np.polyfit会抛出线性代数错误。
• np.polyfit返回的系数顺序是从最高次项到常数项，比如返回的第一个值是9次项系数，最后一个是常数项。

内容的提问来源于stack exchange，提问作者EM1