如何为pandas rolling-apply滚动计算结果新增校验列

你现在用的rolling.apply默认只传入窗口内的数值，拿不到对应索引的日期，不用改原有计算逻辑，按下面的代码写就能拿到所有需要的校验字段：

• 第一步先把索引转成标准datetime格式，不然时间滚动窗口容易算错：

import pandas as pd
daily_data.index = pd.to_datetime(daily_data.index)

• 注意你的数据集是按日期降序排的（最新日期在最上面，越往下日期越早），和pandas默认的时间排序方向相反，我们保留这个排序，保证和你之前的计算结果完全对齐，先把日期存成普通列方便滚动取数：

daily_data['tmp_date'] = daily_data.index
win_str = '180 D'
close_roller = daily_data['Close'].rolling(win_str)

• 接下来聚合算收益率、首尾收盘价，再补全两个日期字段：

dfSeries = close_roller.agg(
    pct_change = lambda x: (x.iloc[0] - x.iloc[-1])/x.iloc[0], # 和你原来的计算逻辑完全一致
    x0_close = lambda x: x.iloc[0], # 窗口第一个值，就是当前行的收盘价
    x1_close = lambda x: x.iloc[-1] # 窗口最后一个值，就是180天窗口内最早那天的收盘价
)
# 补日期字段
dfSeries['x0_date'] = dfSeries.index # 就是当前行的日期，和你之前的判断一致
dfSeries['x1_date'] = daily_data['tmp_date'].rolling(win_str).apply(lambda x: x.iloc[-1])
# 把x1_date转成标准时间格式
dfSeries['x1_date'] = pd.to_datetime(dfSeries['x1_date'], unit='ns')

校验提示 #

你可以随便抽一行验证，比如之前输出里2022-05-26的pct_change是0.033152，对应x0_close是143.779999，用(x0_close - x1_close)/x0_close算出来的结果会和原值完全一致。
如果后续你把数据集改成常规的日期升序（早的日期在前，新的在后），只要把代码里所有iloc[0]和iloc[-1]互换就行，逻辑不用改。

内容的提问来源于stack exchange，提问作者Ivan