为何无法在Pandas多索引DataFrame中使用偏移量进行滚动？

为什么会触发"ValueError: window must be an integer"？ #

简单来说，Pandas目前的groupby.rolling()实现还不支持在多索引场景下直接使用时间偏移量（比如'3D'、'1H'）作为窗口参数。

核心原因在于：时间偏移量窗口依赖连续的时间索引来计算范围，但多索引分组场景下，每个分组的索引结构（尤其是时间层级）的对齐逻辑比较复杂，Pandas内部机制还没适配这种情况。而整数窗口是基于行数统计，不需要考虑索引的时间属性，所以单/多索引下都能正常运行；单索引子集因为结构简单、时间索引连续单一，偏移量滚动自然也能正常工作。

高效替代方案 #

针对多索引DataFrame，要给每个层级应用时间偏移量滚动，最直接且高效的方式是按目标层级分组后，对每个分组单独应用滚动操作，用groupby.apply()包裹滚动逻辑即可。

示例代码

假设我们有一个多索引DataFrame，索引为['group', 'date']，需要对每个group计算过去3天的滚动均值：

import pandas as pd
import numpy as np

# 构建示例多索引数据
dates = pd.date_range('2023-01-01', periods=10)
groups = ['A', 'B', 'A', 'B', 'A', 'B', 'A', 'B', 'A', 'B']
multi_idx = pd.MultiIndex.from_tuples(zip(groups, dates), names=['group', 'date'])
df = pd.DataFrame({'value': np.arange(10)}, index=multi_idx)

# 按group分组，对每个分组应用时间偏移滚动
rolling_result = df.groupby(level='group').apply(lambda x: x.rolling('3D').mean())

print(rolling_result)

优化建议

• 务必确保时间层级索引是datetime64类型，如果不是，先通过pd.to_datetime()转换，否则偏移量参数会直接失效。
• 如果分组数量极大，apply()可能出现性能瓶颈，这时可以尝试将多索引转为"宽表"（把group作为列、date作为唯一索引），再用rolling()结合groupby.transform()，不过这种方式需要适配你的数据结构。
• 另一种直观写法是先重置索引，将时间列转为普通列，用rolling()的on参数指定时间列，处理后再恢复多索引：

  # 重置索引后处理
  df_reset = df.reset_index()
  df_reset['rolling_mean'] = df_reset.groupby('group').rolling('3D', on='date')['value'].mean().reset_index(drop=True)
  result = df_reset.set_index(['group', 'date'])
  

  这个方案和apply()效率相近，写法更易懂，适合新手快速上手。

内容的提问来源于stack exchange，提问作者feetwet