Pandas重采样分组内计算每日8小时moving average的实现方法

• 核心差异在resample()返回对象的rolling方法逻辑：
  resample('D')执行后返回的是按天分组的Resampler对象，不是常规的Series/DataFrame。直接链式调用rolling(8)时，pandas默认会把每个天的分组作为1个计算单元，尝试计算跨8个天分组的滚动均值，而不是每个天分组内部的8小时滚动均值。你给出的示例数据中按天分组后只有2个分组（2021-08-01、2021-08-02），rolling(8)要求至少8个分组单元才能计算，因此触发了数组越界报错。
• apply()写法的合理性：
  调用apply(lambda x: x.rolling(8).mean())时，程序会把每个天分组的24小时Series单独传入匿名函数，在每个分组内部执行8行（也就是8小时）的滚动均值计算，完全匹配你「单日范围内计算8小时移动平均、跨天数据不参与滚动」的需求，因此可以正常运行。

补充：链式调用替代方案 #

pandas 1.3及以上版本支持Resampler对象的组内滚动计算，无需借助apply也能实现相同效果：

df.resample('D')['var'].rolling(8, group_keys=False).mean()

内容的提问来源于stack exchange，提问作者Vera S.