pandas的rolling对象无mad属性？如何规范实现滚动平均绝对偏差计算

方法1：复用pandas原生MAD逻辑实现 #

直接通过rolling.apply()调用Series自带的mad()方法即可，完全对齐原生计算逻辑，不需要手动重写统计规则：

import pandas as pd

# 示例数据序列
foo = pd.Series(range(30))
# 计算窗口大小为10的滚动平均绝对偏差
rolling_mad = foo.rolling(window=10).apply(lambda x: x.mad())

方法2：手动实现计算逻辑优化性能 #

处理大体积数据时，可以直接把MAD的计算逻辑写在apply的匿名函数里，减少函数调用开销，计算结果和原生mad()完全一致：

rolling_mad = foo.rolling(10).apply(lambda x: (x - x.mean()).abs().mean())

补充说明：pandas的Rolling对象没有内置mad方法，是因为该统计量的通用度低于均值、标准差等高频指标，官方没有纳入内置方法集，使用apply扩展自定义统计量就是pandas官方提供的标准解决方案，符合框架的设计逻辑。

内容的提问来源于stack exchange，提问作者Igor Rivin