我正在處理 1000 多行股票數據，目前正在將其加載到數據框中（我也是使用 pandas 的新手，但目前它很棒，我仍在學習）：          open      high       low     close    volume        date0     339.0500  339.6100  336.6200  337.2300  68054244  2020-08-191     338.3400  339.1000  336.6100  338.6400  38733908  2020-08-182     337.9400  338.3400  336.8517  337.9100  34496002  2020-08-173     336.4100  337.4200  335.6200  336.8400  47260390  2020-08-144     336.6100  338.2514  335.8300  336.8300  41816146  2020-08-13...        ...       ...       ...       ...       ...         ...5229  138.6250  139.1093  136.7812  137.8750   7431500  1999-11-055230  136.7500  137.3593  135.7656  136.5312   7907500  1999-11-045231  136.0000  136.3750  135.1250  135.5000   7222300  1999-11-035232  135.9687  137.2500  134.5937  134.5937   6516900  1999-11-025233  136.5000  137.0000  135.5625  135.5625   4006500  1999-11-01我有一個簡單移動平均線的動態平均值數組，我想根據列的動態選擇對每一行執行該計算，例如，我選擇了一個基于列的 5 天簡單移動平均線open：          open      high       low     close    volume        date       5-day avg0      |339.0500|  339.6100  336.6200  337.2300  68054244  2020-08-19      |337.67|1     >|338.3400|  339.1000  336.6100  338.6400  38733908  2020-08-18     >297.5852     >|337.9400|  338.3400  336.8517  337.9100  34496002  2020-08-17       ...3     >|336.4100|  337.4200  335.6200  336.8400  47260390  2020-08-14       ...4     >|336.6100|  338.2514  335.8300  336.8300  41816146  2020-08-13       ...5229  >138.6250  139.1093  136.7812  137.8750   7431500  1999-11-05         ...我最接近的是：for avg in avgs:            overview[avg] = {}            for i in range(avg):                overview[avg][i] = {}                overview[avg][i] = df.loc[df['date'] <= str((date - td(days=(avg - i)))), ['close']].head(avg).sum(numeric_only=True).div(avg).to_json()但我覺得它有點笨拙，不是一種非常有效的方法。我看過做：df['5-Day Avg'] = df['open'].head(5).sum().div(5) ....但是不會做我想做的事情，因為我不斷地從頂部而不是從當前索引中抓取。