我有一个这样的DataFrame：

df2 = pd.DataFrame({'date': ['2015-01-01', '2015-01-02', '2015-01-03'],
                    'value': ['a', 'b', 'a']})
         date value
0  2015-01-01     a
1  2015-01-02     b
2  2015-01-03     a

我试图了解如何应用自定义滚动功能。我试过这样做：

df2.rolling(2).apply(lambda x: 1)

但这给了我原来的DataFrame：

         date value
0  2015-01-01     a
1  2015-01-02     b
2  2015-01-03     a

如果我有一个不同的DataFrame，像这样：

df3 = pd.DataFrame({'a': [1, 2, 3], 'value': [4, 5, 6]})

同样的滚动应用似乎也有效：

df3.rolling(2).apply(lambda x: 1)
     a  value
0  NaN    NaN
1  1.0    1.0
2  1.0    1.0

为什么这不适用于第一个DataFrame呢？

熊猫版本: 0.20.2

Python版本: 2.7.10

更新

因此，我意识到 df2 的列是对象类型的，而我的lambda函数的输出是一个整数。 df3 的列都是整数列。我假设这就是为什么 apply 不能工作的原因。

以下 不工作 ：

df2.rolling(2).apply(lambda x: 'a')
         date value
0  2015-01-01     a
1  2015-01-02     b
2  2015-01-03     a

此外，假设我希望在滚动的基础上连接 value 列中的字符，以便lambda函数的输出是一个字符串，而不是一个整数。以下内容也不起作用：

df2.rolling(2).apply(lambda x: '.'.join(x))
         date value
0  2015-01-01     a
1  2015-01-02     b
2  2015-01-03     a

这里发生了什么事？滚动操作可以应用于熊猫中的对象类型列吗？