主要是你不懂 pandas/numpy ，所以觉得难读，用惯了的人，一眼就看得懂

1. df_pivot['余额'] = df_pivot.iloc[:, 1:].sum(axis=1)
这个确实是赋值，是整列批量赋值，用的是向量化函数，当数据量很大时，你就知道向量化计算的作用了
没有向量化函数，都不知道要写多少个 for

2. 可读性问题
在 pandas 的计算，一般不会太考究如何实现计算，更重视的是输入输出格式，以及值的类型和逻辑准确性，以及性能
因为 pandas 一般都是处理大量数据的，很难逐个值考究，只要保证格式、类型、逻辑准确性
例如有三百个白色乒乓球要变成红色，原生写法是逐个刷红色，pandas/numpy 是全部扔进红色颜料池，搅匀后捞上来就是了。所以需要搞清楚的是：扔进去的是否乒乓球、是否白色、多少个，颜料是否红色，池子是否容得下，以及捞起来后乒乓球有没有破损，数量够不够……至于中间如何染色搅匀，就只能相信这个操作搅匀的机器不会打烂乒乓球了
所以最好是函数加上 __doc__描述，便于以后查阅

np.lib.stride_tricks.as_strided(s, (len(s) - (window - 1), window), (s.values.strides * 2))
这句我从别人那里抄过来的，至今都没搞清其中原理，但我知道 numpy 模拟实现 pandas.rolling 需要用到这句，且值和 pandas.roolling 的结果一致，这就够了

numpy 和 pandas 的手册很庞大，个人读不完，就算读完了也记不全，目前最好方案是借助 gpt 帮我查某个函数的意义

3.你这段代码并没有“规律时间序”，目的只是 groupby 分组，其实没必要用时间函数那么复杂，直接按字符串提取前 7 个字符，再 groupby 就可以了

vsc 有支持 hint 的扩展，如 pyright ，但如果代码没有写指定类型，也是按默认类型提示，所以想全程提示，需要自己在代码中指定 types hint