如何对pandas Series直接调用apply应用scipy.savgol_filter？

问题根源 #

你对报错原因的判断完全正确：Series.apply() 方法的设计逻辑是逐元素遍历序列，每次仅传入单个数值到自定义函数中，自然无法满足 savgol_filter 要求的窗口长度≥7的条件。同时 Series.apply 没有类似DataFrame的axis参数可以调整为传入整列数据。

可行解决方案 #

方案1：使用 rolling.apply 实现（符合你要用apply方法的需求）

如果需要通过apply类方法实现，搭配pandas的滑动窗口接口即可，设置center=True保证滤波后序列和原序列索引对齐，raw=True可以大幅提升运算性能：

import pandas as pd
import numpy as np
from scipy.signal import savgol_filter

s = pd.Series(np.random.rand(20), index=np.arange(20))

def smooth(x):
    # 窗口长度7，取中间位置的计算结果对应原序列当前索引的数值
    return savgol_filter(x, 7, 3, mode='nearest')[3]

s_smoothed = s.rolling(window=7, center=True, min_periods=7).apply(smooth, raw=True)

运算结果为pandas.Series类型，完全保留原序列的索引。

方案2：直接包装滤波结果（更简洁高效）

你提到不想直接调用smooth(s)的核心顾虑是返回numpy数组，只需要在外部套一层Series构造方法即可解决，性能远高于逐窗口apply：

def smooth(x):
    return savgol_filter(x, 7, 3)

s_smoothed = pd.Series(smooth(s), index=s.index)

该写法代码量更少，运算速度更快，同样可以保留Series的所有属性。

内容的提问来源于stack exchange，提问作者Stardust