我试图通过检查列X的前9行和当前行的值来计算每行上的新列Y。基本上，每行上的新列Y的值将告诉我们包括当前记录在内的前10个记录中，列X的值大于1的百分比。以下是我使用的代码，但得到的结果与预期不同
[已编辑]
def count_pcnt(x): return ((np.sum(x > 1) / len(x)) * 100.0)def run():df = pd.DataFrame(data={'X': ['8.12', '7.13', '-5.30', '3.21', '4.21', '3.14','8.65', '7.33', '-5.10', '3.01'] })df['Y'] = df['X'].rolling(window=10, min_periods=1).apply(lambda x: count_pcnt(x)).apply(int)预期结果 [ 已编辑 ]
X Y(%)0 8.12 1001 7.13 1002 -5.30 66.673 3.21 754 4.21 805 3.14 83.336 8.65 85.717 7.33 87.508 -5.10 77.779 3.01 80实际结果
X Y 0 8.12 100 1 7.13 100 2 -5.30 0 3 3.21 0 4 4.21 0 5 3.14 0 6 8.65 0 7 7.33 0 8 -5.10 0 9 3.01 0更新 我使用了下面推荐的选项，它奏效了。虽然有其他选项，但我觉得这个更简洁
df['Y'] = df['X'].astype(float) .rolling(window=w, min_periods=1) .apply(lambda x: (x>1).mean()) * 100如果您想基于接下来的10行而不是前10行来计算列值 – 以下是解决方案（感谢jezrael提供的解决方案）
df['Y'] = (df['X'].astype(float).iloc[::-1].rolling(window=10, min_periods=1).apply(lambda x: (x>1).mean()) * 100)[::-1]回答：
您可以使用以下方法：
- 首先通过
astype将列X转换为float - 在
Series.rolling中添加参数min_periods - 使用带有
(x>1).mean()的lambda函数替代自定义函数，输出相同
df = pd.DataFrame(data={'X': ['8.12', '7.13', '-5.30', '3.21', '4.21', '3.14','8.65', '7.33', '-5.10', '3.01'] })w = 10df['Y'] = df['X'].astype(float) .rolling(window=w, min_periods=1) .apply(lambda x: (x>1).mean()) * 100print(df) X Y0 8.12 100.0000001 7.13 100.0000002 -5.30 66.6666673 3.21 75.0000004 4.21 80.0000005 3.14 83.3333336 8.65 85.7142867 7.33 87.5000008 -5.10 77.7777789 3.01 80.000000使用自定义函数的解决方案：
def count_pcnt(x): return ((np.sum(x>1))/ len(x))*100.0w = 10df['Y'] = df['X'].astype(float).rolling(window=w, min_periods=1).apply(count_pcnt)print(df) X Y0 8.12 100.0000001 7.13 100.0000002 -5.30 66.6666673 3.21 75.0000004 4.21 80.0000005 3.14 83.3333336 8.65 85.7142867 7.33 87.5000008 -5.10 77.7777789 3.01 80.000000 编辑：
函数可以更改为：
def count_pcnt(x): return ((x>1).sum() / len(x))*100.0或者：
def count_pcnt(x): return (x>1).mean()*100.0