Python 与努比不同，熊猫没有'；我似乎不喜欢记忆的飞跃

Pandas似乎缺少一个R样式的矩阵级滚动窗口函数（

rollapply（…，by.column=FALSE）

），只提供基于向量的版本。因此，我尝试遵循这个示例，它可以很好地进行复制，但即使在使用基础Numpy数组（看起来完全相同）的情况下，它也不适用于pandas

DataFrame

s

人工问题复制：

import numpy as np
import pandas as pd
from numpy.lib.stride_tricks import as_strided

test = [[x * y for x in range(1, 10)] for y in [10**z for z in range(5)]]
mm = np.array(test, dtype = np.int64)
pp = pd.DataFrame(test).values

mm

和

pp

看起来相同：

numpy直接导出的矩阵完美地满足了我的需求：

as_strided(mm, (mm.shape[0] - 3 + 1, 3, mm.shape[1]), (mm.shape[1] * 8, mm.shape[1] * 8, 8))

也就是说，在一个3d矩阵中，它给了我3步，每一步3行，允许我在一个子矩阵上执行计算，每次向下移动一行

但是熊猫衍生版本（与

mm

相同的调用被

pp

替换）：

这一切都很奇怪，好像它被调换了。这与列/行主订单有关吗

我需要在熊猫中制作矩阵滑动窗口，这似乎是我的最佳拍摄，特别是因为它真的很快。这是怎么回事？如何使底层Pandas数组的行为类似于Numpy

这与列/行主订单有关吗

是，请参见

mm.strips

和

pp.strips

如何使底层Pandas数组的行为类似于Numpy

---

Numpy数组

mm

是“C-连续”的，这就是跨步技巧起作用的原因。如果要在数据帧底层的数组上调用完全相同的代码，可以先使用

np.ascontiguousarray

。或者，在编写数据窗口时，最好考虑数组

步长

和

项目大小

。

似乎

.values

以Fortran顺序返回基础数据（如您推测的）：

这就混淆了

，因为_大步前进
，它期望数据在内存中按C顺序排列

要解决问题，您可以按C顺序复制数据，并使用与问题中相同的步幅：

pp = pp.copy('C') 

或者，如果要避免复制大量数据，请调整步长以确认数据的列顺序布局：

as_strided(pp, (pp.shape[0] - 3 + 1, 3, pp.shape[1]), (8, 8, pp.shape[0]*8))

pp = pp.copy('C') 

as_strided(pp, (pp.shape[0] - 3 + 1, 3, pp.shape[1]), (8, 8, pp.shape[0]*8))