如何在Pandas中为各列应用不同窗口长度的移动平均？

刚好碰到过一模一样的需求！Pandas本身没有直接的内置函数能一次性给每列指定不同的移动窗口长度，但我们有两种简洁高效的方法来实现，完全不需要繁琐的手动循环：

方法1：用pd.concat + 生成器表达式（最直观） #

这种方法思路很直接：把每一列和对应的窗口长度配对，分别计算移动平均，最后再拼回一个DataFrame。代码示例如下：

import pandas as pd
import numpy as np

# 先构造测试数据
df = pd.DataFrame(np.random.randn(10, 3), columns=['Col1', 'Col2', 'Col3'])
windows = [1, 3, 5]  # 对应Col1窗口1，Col2窗口3，Col3窗口5

# 核心代码
result_df = pd.concat(
    [df[col].rolling(window=win).mean() for col, win in zip(df.columns, windows)],
    axis=1
)

这个方法的好处是可读性极强，每一步都清晰，而且rolling是Pandas的向量化操作，效率比纯Python循环高很多。

方法2：用apply配合列索引映射 #

如果你更倾向于用apply的写法，也可以通过列名获取对应的窗口长度，把参数动态传入：

result_df = df.apply(
    lambda col: col.rolling(window=windows[df.columns.get_loc(col.name)]).mean(),
    axis=0
)

这里的关键是df.columns.get_loc(col.name)拿到当前列在DataFrame中的索引，再从windows向量里取出对应的窗口值。

补充说明 #

两种方法本质上都是调用Pandas的rolling向量化方法，性能差异可以忽略。如果你的DataFrame非常大，这两种方法都比手动遍历每列再赋值要高效得多。

内容的提问来源于stack exchange，提问作者Michael