在Pandas / Numpy中，如何使用2个不同的列在每个块内部实现滚动功能？

Question

我有一个由块分开的df，如下所示：

A = pd.DataFrame([[1, 5, 2, 0], [2, 4, 4, 0], [3, 3, 1, 1], [4, 2, 2, 0], [5, 1, 4, 0], [2, 4, 4, 1]],
                columns=['A', 'B', 'C', 'D'], index=[1, 2, 3, 4, 5, 6,])

在此示例中，块大小为3，并且我们有2个块（由“D”列中的元素1发出信号）。我需要在每个块内进行滚动计算，这涉及2列。具体来说，我需要创建一个列'E'，它等于列'B'减去列'C'的滚动最小值，在函数中：

def retracement(x):
    return x['B'] - pd.rolling_min(x['C'], window=3)

我需要为每个块应用上面的公式。所以following this recipe我试过了：

chunk_size = 3
A['E'] = A.groupby(np.arange(len(A))//chunk_size).apply(lambda x: retracement(x))

ValueError: Wrong number of items passed 3, placement implies 1

输出如下：

   A  B  C  D  E
1  1  5  2  0  3    
2  2  4  4  0  2   
3  3  3  1  1  2    
4  4  2  2  0  0    
5  5  1  4  0 -1    
6  2  4  4  1  2    

由于

更新

按照@EdChum建议不起作用，我得到了

TypeError: <lambda>() got an unexpected keyword argument 'axis'

Answer 1

类似的东西：

def chunkify(chunk_size):
    df['chunk'] = (df.index.values - 1) / chunk_size
    df['E'] = df.groupby('chunk').apply(lambda x: x.B - pd.expanding_min(x.C)).values.flatten()