You need to enable JavaScript to run this app. Pandas rolling apply应用自定义函数报KeyError的原因及解决方案
优惠活动
大模型
产品
解决方案
定价
更多

Pandas rolling apply应用自定义函数报KeyError的原因及解决方案

滚动窗口跨列计算报错的成因与解决方案

报错成因

  • 你遇到的KeyError: 'signal'根本原因是:pandas 的 Rolling.apply 默认逐列独立执行滚动计算,即使你调用的是整个DataFrame的滚动对象,自定义函数只会收到单列的窗口Series(设置raw=True时传入的是单列一维numpy数组),无法访问同窗口下的另一列数据,自然找不到对应列名。
  • 给rolling.apply传axis=1触发TypeError,是因为axis是Rolling构造函数的参数,不属于apply方法的入参;就算正确把axis=1传到Rolling构造逻辑里,也是按列方向滚动,和你需要的按行连续窗口计算逻辑不符。

解决方案

两种方案都比手动iterrows切片更符合pandas使用习惯,性能也更优:

方案一:多列打包为单列Series后滚动apply

核心思路是把需要的两列按行打包为元组,存入一个临时单列Series,这样滚动apply时不需要跨列访问,每个窗口可直接获取所有需要的行数据。
代码示例:

# 按需调整窗口大小
W = 3
# 把两列按行打包成元组,生成临时单列Series
df['combined'] = list(zip(df['signal'], df['PnL_binary']))
# 适配打包Series的自定义卡方计算函数
def return_chi2_packed(window_series):
    # 解包窗口内的所有元组,分别提取两类特征
    signal = np.array([row[0] for row in window_series]).reshape(-1, 1)
    pnl = np.array([row[1] for row in window_series]).reshape(-1, 1)
    return chi2(signal, pnl)[1][0]
# 执行滚动计算,结果为单列Series
df['rolling_chi2'] = df['combined'].rolling(window=W).apply(return_chi2_packed)
# 移除临时列
df.drop(columns='combined', inplace=True)

方案二:numpy滑动窗口批量计算(更适合大数据量)

用numpy的滑动窗口视图函数直接生成所有滚动窗口的数组,避免pandas apply逐行调用Python函数的开销,数据量较大时性能提升明显。
代码示例:

W = 3
# 生成所有滚动窗口,输出shape为 (窗口数量, 窗口行数, 列数)
windows = np.lib.stride_tricks.sliding_window_view(
    df[['signal', 'PnL_binary']].to_numpy(),
    window_shape=W,
    axis=0
)
# 遍历窗口计算卡方p值
p_values = []
for win in windows:
    # win为 shape (W, 2) 的数组,第一列为signal,第二列为PnL_binary
    sig = win[:, 0].reshape(-1, 1)
    pnl = win[:, 1].reshape(-1, 1)
    p_values.append(chi2(sig, pnl)[1][0])
# 结果填充回DataFrame,前W-1行补NaN
df['rolling_chi2'] = np.concatenate([[np.nan] * (W-1), p_values])

内容的提问来源于stack exchange,提问作者user3062260

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.09 20:57:04