本篇攻略将以pandas DataFrame为例，介绍如何实现行间计算。
1. DataFrame.apply 方法
DataFrame.apply方法是pandas中实现行间计算的常用方法。它的基本语法为：
DataFrame.apply(func, axis=0)
其中，func为要应用的函数，axis=0表示对每一列进行操作，axis=1表示对每一行进行操作。
示例1： 对每一行求平均值
import pandas as pd
import numpy as np
df = pd.DataFrame({'a':[1,2,3], 'b':[4,5,6],'c':[7,8,9]}) # 创建DataFrame
print(df)
# apply方法应用自定义函数
def mean(row):
return np.mean(row)
df['mean'] = df.apply(mean, axis=1)
print(df)
输出：
a b c
0 1 4 7
1 2 5 8
2 3 6 9
a b c mean
0 1 4 7 4.000000
1 2 5 8 5.000000
2 3 6 9 6.000000
示例2： 对每一列求和，并将结果以新的行添加到DataFrame中
import pandas as pd
df = pd.DataFrame({'a':[1,2,3], 'b':[4,5,6],'c':[7,8,9]}) # 创建DataFrame
print(df)
# apply方法应用内置函数
result = df.apply(sum, axis=0)
df.loc['sum'] = result
print(df)
输出：
a b c
0 1 4 7
1 2 5 8
2 3 6 9
a b c
0 1 4 7
1 2 5 8
2 3 6 9
sum 6 15 24
2. DataFrame.rolling 方法
DataFrame的rolling方法可以对数据进行滑动窗口的操作，并进行统计计算。
rolling方法的基本语法为：
DataFrame.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)
其中，window表示窗口大小，min_periods表示窗口中的非NaN元素数量必须达到的最小值，center表示是否以当前元素作为窗口中心，win_type表示窗口类型，on表示用于分组的列名，axis表示沿着行（0）或列（1）坐标轴方向进行滑动窗口统计，closed表示窗口两侧是否封闭。
示例3：计算5天滑动窗口的平均值
import pandas as pd
import numpy as np
df = pd.DataFrame({'a':[1,2,3,4,5,6,7,8,9,10]}) # 创建DataFrame
print(df)
# rolling方法计算滑动窗口中的平均值
df['rolling_mean'] = df.rolling(window=5).mean()
print(df)
输出：
a
0 1
1 2
2 3
3 4
4 5
5 6
6 7
7 8
8 9
9 10
a rolling_mean
0 1 NaN
1 2 NaN
2 3 NaN
3 4 NaN
4 5 3.0
5 6 4.0
6 7 5.0
7 8 6.0
8 9 7.0
9 10 8.0
示例4：计算每个滑动窗口的方差
import pandas as pd
import numpy as np
df = pd.DataFrame({'a':[1,2,3,4,5,6,7,8,9,10]}) # 创建DataFrame
print(df)
# rolling方法计算滑动窗口中的方差
df['rolling_var'] = df['a'].rolling(window=5).var()
print(df)
输出：
a
0 1
1 2
2 3
3 4
4 5
5 6
6 7
7 8
8 9
9 10
a rolling_var
0 1 NaN
1 2 NaN
2 3 NaN
3 4 NaN
4 5 2.5
5 6 2.5
6 7 2.5
7 8 2.5
8 9 2.5
9 10 2.5
以上就是利用pandas实现行间计算的两种方法和相应示例的详细讲解。希望能对大家有所帮助。