pandas.core.window.expanding.Expanding.apply#

Expanding.apply(func, raw=False, engine=None, engine_kwargs=None, args=None, kwargs=None)[源代码][源代码]#

计算扩展的自定义聚合函数。

参数:
函数函数

如果 raw=True，则必须从 ndarray 输入生成一个单一值；如果 raw=False，则必须从 Series 生成一个单一值。还可以接受指定 engine='numba' 的 Numba JIT 函数。

raw布尔值, 默认为 False

  • False : 将每一行或每一列作为一个 Series 传递给函数。

  • True : 传递的函数将接收 ndarray 对象。如果你只是应用一个 NumPy 缩减函数，这将实现更好的性能。

引擎str, 默认为 None

  • 'cython' : 通过来自cython的C扩展运行滚动应用。

  • 'numba' : 通过来自 numba 的 JIT 编译代码运行滚动应用。仅在 raw 设置为 True 时可用。

  • None : 默认为 'cython' 或全局设置 compute.use_numba

engine_kwargs字典, 默认为 None

  • 对于 'cython' 引擎，没有接受的 engine_kwargs

  • 对于 'numba' 引擎，引擎可以接受 nopython、nogil 和 parallel 字典键。值必须是 True 或 False。'numba' 引擎的默认 engine_kwargs 是 {'nopython': True, 'nogil': False, 'parallel': False}，并将应用于 func 和 apply 滚动聚合。

参数tuple, 默认 None

要传递给 func 的位置参数。

kwargs字典, 默认为 None

要传递给 func 的关键字参数。

返回:
Series 或 DataFrame

返回类型与原始对象相同，具有 np.float64 数据类型。

参见

Series.expanding

调用带有 Series 数据的扩展。

DataFrame.expanding

使用 DataFrames 进行扩展调用。

Series.apply

聚合应用于 Series。

DataFrame.apply

聚合应用于 DataFrame。

例子

>>> ser = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
>>> ser.expanding().apply(lambda s: s.max() - 2 * s.min())
a   -1.0
b    0.0
c    1.0
d    2.0
dtype: float64