本文介绍如何在 Pandas 中高效实现「滚动窗口大小由另一列动态指定」的滚动求和（如 Column B 的值决定 Column A 的回溯期），避免显式循环，利用 pd.factorize 与向量化 rolling 配合 NumPy 索引完成高性能计算。
本文介绍如何在 pandas 中高效实现「滚动窗口大小由另一列动态指定」的滚动求和（如 column b 的值决定 column a 的回溯期），避免显式循环，利用 `pd.factorize` 与向量化 `rolling` 配合 numpy 索引完成高性能计算。
在标准 Pandas 滚动操作中，rolling(window=n) 要求窗口大小为固定整数；但实际业务中常需根据每行数据动态确定窗口（例如：某订单的“最近 N 笔交易金额总和”，其中 N 存于同表另一列）。直接使用 apply 或 for 循环虽可行，但性能差、难以扩展。以下提供一种纯向量化、无显式循环的解决方案。
核心思路：分组 + 向量化索引重排
关键在于——将 Column B 中所有唯一窗口长度提取出来，对每个长度独立计算完整滚动序列，再按原行对应的窗口长度“查表取值”。借助 pd.factorize 将 B 列映射为整数索引，再用 NumPy 高级索引精准定位结果。
✅ 基础实现（仅滚动求和）
import pandas as pd
import numpy as np
# 示例数据
df = pd.DataFrame({'A': [1, 2, 1, 3, 2],
'B': [1, 2, 3, 2, 4]})
# 步骤 1：对 Column B 进行因子化，获取唯一值列表 vals 和对应索引 idx
idx, vals = pd.factorize(df['B'])
# 步骤 2：对每个唯一窗口长度 v，计算 A 列的完整滚动和（min_periods=1 确保首行非 NaN）
rolling_sums = [
df['A'].rolling(v, min_periods=1).sum().values
for v in vals
]
# 步骤 3：堆叠为 (len(vals), len(df)) 矩阵，再用 idx 和行序号联合索引取出对应结果
df['C'] = np.vstack(rolling_sums)[idx, np.arange(len(df))]
print(df)输出：
A B C 0 1 1 1.0 1 2 2 3.0 2 1 3 4.0 3 3 2 4.0 4 2 4 8.0
✅ 扩展：同时计算多个聚合指标（如 sum + mean）
若需一并生成滚动均值、标准差等，可复用同一索引逻辑：
idx, vals = pd.factorize(df['B'])
# 对每个窗口长度 v，同时计算 sum 和 mean
results = np.dstack([
df['A'].rolling(v, min_periods=1).agg(['sum', 'mean']).values
for v in vals
])
# 按行索引 idx 提取对应窗口的结果
df[['C', 'D']] = results[np.arange(len(df)), :, idx]⚠️ 注意事项与限制
- 性能权衡：该方法时间复杂度为 O(U × N)（U 为 B 列唯一值个数，N 为总行数），当 U 较大（如数千不同窗口）时，内存与计算开销上升；若 U 极小（如仅 3~5 种常见窗口），效率远超循环。
- 缺失值处理：min_periods=1 确保首 v-1 行有有效值（如窗口=3 时第 0 行返回 A[0]，第 1 行返回 A[0]+A[1]）；如需严格要求满窗，可设 min_periods=v 并接受前 v-1 行为 NaN。
- 数据类型：Column B 必须为正整数（rolling 不接受浮点或负数窗口），建议提前校验：df['B'] = df['B'].astype(int).clip(lower=1)。
- 边界行为：滚动计算始终从当前行向上回溯（含当前行），符合常规理解（如 B=4 → 取 [i-3:i+1] 共 4 行）。
此方案兼顾简洁性、可读性与工程实用性，是处理「动态窗口滚动聚合」问题的推荐范式。
