如何用Pandas实现Excel中基于动态窗口列的股票指数滚动均值？

嗨，我明白你要做的是动态窗口大小的滚动均值计算——也就是每一行的窗口长度都存在ma window列里，和Excel里用INDIRECT动态引用单元格区间的逻辑完全对应。Pandas默认的rolling方法是固定窗口，所以得用自定义逻辑来实现，下面一步步来：

1. 先还原你的示例数据 #

首先我们把你给的Excel数据转换成Pandas DataFrame，方便后续测试：

import pandas as pd

data = {
    'date': ['2018/3/21', '2018/3/22', '2018/3/23', '2018/3/26', '2018/3/27'],
    'close': [4061.0502, 4020.349, 3904.9355, 3879.893, 3913.2689],
    'ma window': [None, None, 3, 2, 4]
}

df = pd.DataFrame(data)
df['date'] = pd.to_datetime(df['date'])  # 把日期转成datetime格式

2. 实现动态窗口的滚动均值 #

核心思路是：对每一行，根据ma window的值，取当前行往上数(窗口长度-1)行到当前行的close值计算均值。我们可以用apply方法来逐行处理：

def dynamic_rolling_mean(row, df):
    window_size = row['ma window']
    # 如果窗口大小为空或者无效（比如小于1），返回NaN
    if pd.isna(window_size) or window_size < 1:
        return None
    # 计算起始行的索引：当前行索引 - 窗口大小 + 1
    start_idx = row.name - window_size + 1
    # 起始索引不能小于0，否则从第0行开始（如果窗口大小超过当前已有的行数）
    start_idx = max(start_idx, 0)
    # 取对应的close区间计算均值
    return df.loc[start_idx:row.name, 'close'].mean()

# 应用函数到每一行，生成ma列
df['ma'] = df.apply(dynamic_rolling_mean, df=df, axis=1)

3. 验证结果是否和Excel一致 #

我们来核对几个值：

• 第三行（日期2018/3/23）：窗口大小3，对应Excel里的AVERAGE(B2:B4)，计算结果是(4061.0502 + 4020.349 + 3904.9355)/3 ≈ 3995.4449，和Pandas计算的结果一致。
• 第四行（日期2018/3/26）：窗口大小2，对应AVERAGE(B4:B5)，结果是(3904.9355 + 3879.893)/2 ≈ 3892.4143，也能匹配上。

4. 性能优化小提示 #

如果你的数据量很大（比如上万行），apply的速度可能会有点慢。这时候可以用numpy的切片来实现，效率更高：

import numpy as np

# 先把close转成numpy数组
close_arr = df['close'].values
# 用列表推导式逐行计算
df['ma'] = [
    np.mean(close_arr[max(i - ws + 1, 0):i+1]) 
    if not pd.isna(ws) and ws >=1 else None
    for i, ws in enumerate(df['ma window'].values)
]

这个方法会比apply快很多，适合大数据量场景。

内容的提问来源于stack exchange，提问作者Tim