事实证明这是无法完成的。
继续相同的示例：
def burndowntheworld(ser): print('Are you sure?') return ser/0df.select_dtypes(['object']).expanding().apply(burndowntheworld)Out: C2 C3 C40 {A} A [A]1 {B} B [B]2 {C} C [C]3 {D} D [D]如果列的类型是对象，则永远不会调用该函数。熊猫没有其他适用于对象的替代品。相同
rolling().apply()。
从某种意义上说，这是一件好事，因为
expanding.apply使用自定义函数具有O（n **
2）复杂度。对于诸如等的特殊情况
cumsum，
ewma操作的递归性质可以将线性时间的复杂度降低，但是在最一般的情况下，它应该为前n个元素，然后为前n
+
1个元素计算函数，依此类推。因此，特别是对于仅依赖于当前值和函数先前值的函数，扩展效率很低。更不用说将列表或集合存储在Dataframe中从来不是一个好主意。
因此答案是：如果您的数据不是数字，并且函数取决于先前的结果和当前元素，则只需使用for循环即可。无论如何，它将更有效率。
