Python中的滚动窗口函数是一种非常有用的工具，可以方便地对数据集合进行处理。这种函数可以用来计算滑动平均值、滑动横向最大值、滑动标准差和滑动相关系数等。在使用滚动窗口函数时，需要重点考虑以下几个方面：

1. 窗口大小：窗口大小是滚动窗口函数的一个重要参数，它决定着每次计算时取用的数据元素个数。通常情况下，窗口大小取决于数据集合的特性和应用需求。

2. 步长：步长是滚动窗口函数中的另一个关键参数，它指定了每次移动滑动窗口的跨度。在计算时，需要注意步长与窗口大小之间的关系。

3. 数据集合格式：滚动窗口函数的输入数据集合通常是一个数组或者列表。如果需要在数据集合中进行滑动计算，需要确保数据集合中的所有元素都具有相同的类型，并且满足计算需求。

def rolling_window(arr, window):
    """
    Calculate rolling window on numpy array.
    """
    shape = arr.shape[:-1] + (arr.shape[-1] - window + 1, window)
    strides = arr.strides + (arr.strides[-1],)
    return np.lib.stride_tricks.as_strided(arr, shape=shape, strides=strides)

上面的代码是一个用于计算滚动窗口的函数。这个函数使用了NumPy库中的函数as_strided()来生成滚动窗口，具体实现如下：

1. 计算输出数组的形状: output_shape = arr_shape[:-1] + (arr_shape[-1] - window_size + 1, window_size)。

2. 计算输出数组元素在内存中的跨度: output_strides = arr.strides + (arr.strides[-1],)。

3. 调用as_strided()函数，将窗口大小和跨度参数传入生成数组。

使用这个函数可以方便地计算输入数组的滚动窗口，代码中的arr表示需要计算的数组，window表示窗口大小。