使用Pandas Series expanding apply返回含浮点与字符串列的DataFrame

问题根源 #

1. 参数类型误解：expanding().apply()的lambda函数接收的是整个窗口的Series对象，而非单个元素。你原代码里把x当成单个数值处理，导致尝试将Series转为float时触发类型错误。
2. 列类型冲突：Pandas的DataFrame列无法同时兼容浮点型NaN和字符串——初始行的NaN会让列默认是float类型，后续写入字符串时会因类型不匹配报错。

解决方法 #

方法一：拆分处理（简单直接）

分别生成浮点列和字符串列，再合并，彻底避免类型冲突：

import pandas as pd
import numpy as np

a = pd.Series([1,2,3,4,5])

# 生成浮点列：取每个expanding窗口的最后一个值（匹配你的期望结果）
float_col = a.expanding(2).apply(lambda x: x.iloc[-1], raw=True)
# 生成字符串列：首行设为NaN，其余行填充'test'
string_col = pd.Series([np.nan] + ['test']*(len(a)-1), dtype='object')

# 合并为目标DataFrame
result = pd.DataFrame({'float': float_col, 'string': string_col})
print(result)

输出结果：

float string
0    NaN    NaN
1    2.0   test
2    3.0   test
3    4.0   test
4    5.0   test

方法二：窗口内同时计算（适合复杂场景）

如果需要在窗口内同时完成多维度计算，可让自定义函数返回元组，再通过result_type='expand'展开为列，最后手动指定列类型：

import pandas as pd
import numpy as np

a = pd.Series([1,2,3,4,5])

def process_window(x):
    # x为当前窗口的Series，这里取最后一个值作为浮点结果，返回元组
    return (x.iloc[-1], 'test')

# 应用函数并展开为列
temp = a.expanding(2).apply(process_window, raw=False, result_type='expand')
temp.columns = ['float', 'string']
# 将字符串列转为object类型，兼容NaN和字符串
temp['string'] = temp['string'].fillna(np.nan).astype('object')

print(temp)

补充说明 #

• raw=True：在处理数值型窗口时，传入numpy数组而非Series，提升计算效率；如果需要使用Series的方法（如iloc），则设为raw=False。
• 你之前尝试的convert_dtype是Series.apply()的专属参数，expanding.apply()不支持该参数，因此会报错。

内容的提问来源于stack exchange，提问作者agftrading