计算滚动水下收益触发TypeError：无法将Series转换为float

嘿，我刚碰到过类似的问题，一眼就看出问题出在哪了：rolling.apply() 默认要求你的函数返回单个标量值，但你的lambda返回了一个完整的Series，pandas没法把Series转换成它期望的float类型，所以就抛出了TypeError。

问题根源 #

当你用rolling(5).apply(lambda x: x / x.cummax() - 1.0)时，每个窗口的x是一个长度为5的Series，x.cummax()会生成同样长度的累积最大值Series，两者运算后还是一个Series——但rolling.apply()默认只接受标量返回值，这就产生了类型冲突。

解决方案：用result_type='expand'返回序列结果 #

如果你确实需要每个滚动窗口内的逐元素水下收益（也就是窗口内每个位置相对于到该点的历史最大值的回撤），可以修改代码，加上raw=True和result_type='expand'参数：

import numpy as np
import pandas as pd

# 生成两种资产的随机收益
dfr = pd.DataFrame(data=np.random.random_sample((10, 2)), columns=['a', 'b'])
print(dfr)

# 定义计算窗口内水下收益的函数
def rolling_underwater(window):
    # 用numpy的累积最大值函数，比pandas处理更高效
    cummax = np.maximum.accumulate(window)
    return window / cummax - 1.0

# 应用滚动计算，raw=True传递numpy数组，result_type='expand'展开序列结果
dfu = dfr.rolling(5, axis=0).apply(rolling_underwater, raw=True, result_type='expand')
print(dfu)

这里的关键参数作用：

• raw=True：把窗口数据以numpy数组的形式传给函数，比处理Series更快，也方便用numpy的累积计算函数。
• result_type='expand'：告诉pandas你的函数会返回和窗口长度一致的数组，需要把这些值展开成对应行的输出——最终的dfu和原数据形状一致，前4行因为窗口未填满会显示NaN。

额外：如果要计算窗口内的最大回撤 #

要是你的需求是每个滚动窗口里的最大水下收益（即最大回撤），那可以直接让函数返回标量，不用result_type='expand'：

df_max_drawdown = dfr.rolling(5, axis=0).apply(lambda x: (x / np.maximum.accumulate(x) - 1).min(), raw=True)

这个函数会返回每个窗口内的最小水下收益值（也就是最严重的回撤），完美符合rolling.apply()的标量返回要求。

内容的提问来源于stack exchange，提问作者SkyWalker