在较旧版本的Pandas（如1.2.3）中使用df.rolling(n).mean(skipna=False)时，升级到Pandas 1.5+后会出现FutureWarning。本文旨在解决此问题，通过分析源码、文档和实际测试，揭示了早期版本中skipna参数的实际行为，并提供了平滑过渡到新版本的方法，避免因参数弃用而导致的代码错误。
理解skipna参数的实际作用（Pandas 1.2.3）
在Pandas 1.5及更高版本中，向Rolling.mean传递额外的kwargs（如skipna）已被弃用，并将在未来版本中引发TypeError。然而，在较旧版本（如1.2.3）中，skipna参数的行为可能与预期不同。实际上，在Pandas 1.2.3中，rolling().mean()函数忽略了skipna参数。这意味着无论skipna设置为True还是False，滚动窗口均值的计算方式都相同：始终不跳过缺失值（NA）。
验证skipna参数的行为
为了验证上述结论，可以运行以下代码片段：
import pandas as pd
import numpy as np
df = pd.DataFrame({'a': [1, 2, 3, np.nan, 5, 6, 7]})
print(df['a'].rolling(3).mean(skipna=True))
print(df['a'].rolling(3).mean(skipna=False))在Pandas 1.2.3中运行此代码，你会发现两个print语句的输出完全相同。这表明skipna参数实际上没有生效。如果skipna=True起作用，那么包含NaN的窗口的均值计算结果应该不同。
源码分析
通过分析Pandas 1.2.3的源码，可以确认skipna参数在rolling().mean()的实现中并未被使用。具体来说，滚动均值的计算最终由_libs/window/aggregations.pyx中的roll_mean()函数执行，该函数没有检查或跳过NA值的逻辑。即使skipna参数通过层层调用传递到BaseWindow._apply()，该函数也未使用kwargs参数。
解决方案：移除skipna参数
由于skipna参数在旧版本中实际上不起作用，因此最简单的解决方案是直接从代码中删除skipna=False。因为在 Pandas 1.2.3 中，skipna 的默认行为就是不跳过NA值，所以删除该参数不会改变代码的实际行为，同时可以避免在新版本中出现FutureWarning。
例如，将：
df.rolling(n).mean(skipna=False)
修改为：
df.rolling(n).mean()
注意事项
- 如果你的代码依赖于skipna参数的行为（尽管在Pandas 1.2.3中它实际上不起作用），那么你需要重新评估你的代码逻辑，并确保其在新版本中也能正确运行。
- 在升级Pandas版本之前，务必进行充分的测试，以确保所有功能都按预期工作。
总结
在Pandas 1.2.3中，rolling().mean()函数忽略了skipna参数。为了兼容新版本的Pandas，最简单的解决方案是移除skipna参数。通过理解旧版本中skipna参数的实际行为，可以平滑过渡到新版本，避免潜在的代码错误。
