pandas 0.22的滚动窗口函数pandas.DataFrame.rolling采用一个window参数，如下所述：
窗口：int或offset
移动窗口的大小。这是用于分析的观察数
计算统计数据。每个窗口都是固定大小的如果是偏移量，则这将是每个窗口的时间段。
每个窗口的大小将根据观察结果而变化
包括在时间段内。这仅对datetimelike有效
索引。这在0.19.0中是新的
在这种情况下，偏移量实际上是什么
简言之，如果您使用像“2D”（2天）这样的偏移量，pandas将使用索引中的日期时间信息（如果可用），可能会解释任何缺失行或不规则频率。但是，如果使用简单的int如2，则pandas将把索引视为简单的整数索引[0,1,2，…]，并忽略索引中的任何日期时间信息
一个简单的例子应该说明这一点：
df=pd.DataFrame（{'x'：范围（4）}，
指数=pd.截止日期时间（['1-1-2018'，'1-2-2018'，'1-4-2018'，'1-5-2018']））
x
2018-01-01 0
2018-01-02 1
2018-01-04 2
2018-01-05 3
请注意，（1）索引是日期时间，但（2）缺少“2018-01-03”。因此，如果使用2这样的纯整数，rolling将只查看最后两行，而不考虑日期时间值（从某种意义上讲，它的行为类似于iloc[i-1:i]，其中i是当前行）：
df.rolling（2.count）（）
x
2018-01-01 1.0
2018-01-02 2.0
2018-01-04 2.0
2018-01-05 2.0
相反，如果使用2天的偏移量（'2D'），滚动将使用实际的日期时间值，并解释日期时间索引中的任何异常情况
df.rolling（'2D'）.count（）
x
2018-01-01 1.0
2018-01-02 2.0
2018-01-04 1.0
2018-01-05 2.0
还要注意的是，在使用日期偏移量时，需要将索引按升序排序，但在使用简单整数时，这并不重要（因为您只是忽略了索引）