没有简单的方法可以执行此操作，因为传递给rolling-applied函数的参数是一个普通的numpy数组，而不是pandas
Series，因此它不了解索引。此外，滚动函数必须返回浮点结果，因此，如果它们不是浮点的，则不能直接返回索引值。
这是一种方法：
>>> s.index[s.rolling(3).apply(np.argmax)[2:].astype(int)+np.arange(len(s)-2)]Index([u'c', u'c', u'e', u'e', u'e', u'f', u'i', u'i'], dtype='object')
这个想法是采用argmax值，并通过添加一个值来表示它们与序列对齐，该值指示我们在序列中的距离。（也就是说，对于第一个argmax值，我们加零，因为它给我们索引到原始序列中从索引0开始的子序列；对于第二个argmax值，我们加一个，因为它给我们索引到a从原始系列的索引1开始的子序列；依此类推）
这样可以得出正确的结果，但是开头不包括两个“ None”值。如果需要，您必须手动将其添加回去。
有一个开放的熊猫问题来添加滚动idxmax。
