rolling：时序因子的"移动窗口"引擎

先掌握这个答案

标准用法：s.rolling(20).mean()/std()/sum()——窗口默认「含当日」向过去看20格（防前视安全）；若要"截至昨日"先shift(1)再rolling。min_periods：窗口不满时默认产NaN——设min_periods=10允许"至少10天"的半窗结果（数据利用率与稳定性的权衡）。组内滚动：df.groupby('code')['close'].rolling(20).mean()——输出会多一层组索引（需要reset或droplevel）；更顺手的等价写法是transform+lambda或直接df.groupby('code')['x'].transform(lambda s: s.rolling(20).mean())。expanding：窗口从首个观测一直扩大到当前——"历史所有"而非"最近N"（历史分位数因子用它）。

先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。