是否有人知道一种有效的函数/方法，例如pandas.rolling\u mean，用于计算数组的滚动差
这是我最接近的解决方案：
roll_diff=pd.系列（值）.diff（周期=1）
但是，它仅计算单步滚动差异。理想情况下，步长是可编辑的（即当前时间步长和n个最后步长之间的差值）
我也写过这篇文章，但对于较大的阵列，速度非常慢：
def滚动差异（值，步长）：
差异=[]
对于np.arange中的i（步骤，len（值）-1）：
pers_window=np.arange（i-1，i-step-1，-1）
差异附加（np.abs（值[i]-np.mean（值[pers_window]））
diff=np.pad（diff，（0，步骤+1），“常量”）
回差
那么：
导入熊猫
x=0.DataFrame({
‘x_1’：[0,1,2,3,0,1,2500，]，}，
索引=[0,1,2,3,4,5,6,7]）
x[‘x_1’].滚动（窗口=2）.应用（lambda x:x.iloc[1]-x.iloc[0]）
通常，您可以用自己的函数替换lambda函数。请注意，在这种情况下，第一项将是NaN
更新
定义如下：
n\u步骤=2
定义我的乐趣（x）：
返回x.iloc[-1]-x.iloc[0]
x['x_1'].滚动（窗口=n步）。应用（我的乐趣）
您可以在n_步计算值之间的差异