Pandas中用groupby().apply()可模拟SQL的ROW_NUMBER()和RANK()：先sort_values()确保顺序，再在apply中用range或rank(method='min')生成序号；transform()比apply()更高效且适配窗口语义。
用 groupby().apply() 模拟 ROW_NUMBER() 和 RANK()
SQL 中的 ROW_NUMBER()、RANK() 本质是按分组和排序后生成序号，Pandas 没有原生同名函数，但 groupby().apply() 是最贴近的实现方式。注意不能直接用 df.groupby(...).rank() 替代 RANK() —— 它默认按值分组打分，不保证顺序稳定，且不支持 partition by + order by 的复合逻辑。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先用
sort_values()显式排序（窗口函数依赖确定顺序，Pandas 默认不保序） - 在
apply()内部用range(1, len(x)+1)或pd.Series(range(1, len(x)+1), index=x.index)生成严格递增序号，对应ROW_NUMBER() - 对
RANK()，改用x['col'].rank(method='min').astype(int)，其中method='min'表示并列取最小名次（如 1,1,3），匹配 SQL 标准 - 避免在
apply()中调用reset_index(drop=True)—— 会破坏原始索引对齐，导致结果错位
rolling() 能否替代 SUM() OVER (ORDER BY ... ROWS BETWEEN ...)？
能，但限制极多：rolling() 仅支持等距滑动（如“前3行”），不支持“从分区首行到当前行”这类动态范围，也不支持基于时间列的非固定间隔（除非列是 datetime64 且用 rolling('30D')）。它更接近 SQL 的 ROWS BETWEEN 2 PRECEDING AND CURRENT ROW，而非 ROWS UNBOUNDED PRECEDING。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 若需“累计和”，优先用
groupby().cumsum()，不是rolling().sum() - 若真要模拟
ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING，必须先sort_values()，再用rolling(3).sum().shift(-1)手动对齐中心点 -
rolling()默认忽略 NaN，但 SQL 窗口函数通常保留空值位置 —— 需显式加min_periods=1并配合fillna()控制行为
shift() 和 diff() 实现 LAG()/LEAD() 时的索引陷阱
shift() 看似直接对应 LAG()，但 Pandas 的 shift() 按整数偏移行数，不感知分组边界。如果数据未按窗口分组排序，或分组内长度不一，shift(1) 可能把上一分组末尾的值拉进来，造成逻辑污染。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 必须先
sort_values(['group_col', 'order_col'])，再groupby('group_col').shift(1)—— 否则shift在全局索引上操作，无意义 - 不要用
df['col'].shift(-1)做LEAD()：它跨组泄漏；必须走groupby().shift(-1) -
diff()默认计算差值，但 SQL 的LAG(col, 1, 0)支持默认值；Pandas 需后续fillna(0)，且fillna()必须在groupby().diff()之后，否则填充的是全局空值
性能关键：为什么 transform() 比 apply() 更适合多数聚合窗口场景
transform() 强制返回与输入等长的结果，天然适配窗口函数“每行输出一个值”的语义；而 apply() 默认返回标量或 Series，容易触发隐式广播或对齐错误，且开销大 3–5 倍（尤其大数据集）。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 只要窗口聚合结果要回填到原 DataFrame（如
COUNT(*) OVER (PARTITION BY x)），一律用transform('count')，别用apply(lambda x: len(x)) -
transform()支持字符串方法（'mean'、'first'），也支持自定义函数，但函数必须返回标量或与分组等长的序列 —— 若返回单个数字，Pandas 自动广播；若返回数组，长度必须等于该分组行数 - 遇到
transform()报错ValueError: function does not reduce，说明函数返回了非标量且长度不匹配，此时退回到apply()+ 显式构造pd.Series更稳妥
OVER (ORDER BY ...) 排序，所有依赖顺序的操作都得手动 sort_values()，而且必须在 groupby() 之前做，否则分组内顺序仍是乱的。 
