Pandas滚动窗口apply报错TypeError：需实数而非NoneType求助

报错原因 #

1. lambda返回值不符合要求：rolling().apply()中使用的lambda r: print(r)返回None，而pandas的滚动窗口apply要求每个窗口计算必须返回实数（int/float），None类型触发了类型错误。
2. 存在缺失值：candidates列有10949个NaN，滚动窗口包含NaN时，会干扰数值计算逻辑，即使修正返回值问题，也可能导致结果异常。

解决方法 #

1. 替换无效的lambda逻辑 #

将用于调试的print(r)替换为实际业务需要的数值计算，比如窗口均值、求和等：

# 示例：计算7天窗口的均值
rolling_result = df_price_population.groupby(['danji_id', 'area1'])['candidates'].rolling(window=7).apply(lambda r: r.mean())

2. 处理缺失值 #

根据业务场景选择以下方式：

方式一：填充缺失值（保留数据）

• 按分组填充组内均值：

df_price_population['candidates'] = df_price_population.groupby(['danji_id', 'area1'])['candidates'].transform(lambda x: x.fillna(x.mean()))

• 时序数据可使用前向填充：

df_price_population['candidates'] = df_price_population.groupby(['danji_id', 'area1'])['candidates'].fillna(method='ffill')

方式二：删除含缺失值的行

df_price_population = df_price_population.dropna(subset=['candidates'])

完整流程示例 #

# 第一步：处理缺失值
df_price_population['candidates'] = df_price_population.groupby(['danji_id', 'area1'])['candidates'].transform(lambda x: x.fillna(x.mean()))

# 第二步：执行滚动窗口计算
rolling_result = df_price_population.groupby(['danji_id', 'area1'])['candidates'].rolling(window=7).apply(lambda r: r.mean())

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