如何在Polars中对delay轴分箱并聚合t值以生成目标曲线？

我有一份实验数据集，绘制2D直方图时能看到一个特征：
2D直方图
可以注意到，在x轴218.46附近、y轴86000附近的区域存在异常特征。

我用以下代码对数据集进行过滤和聚合：

edc = (
    df_TR.filter(
        (pl.col("t") > 85_700)
        & (pl.col("t") < 86_090)
        & (pl.col("delay") > 218.30)
        & (pl.col("delay") < 218.72)
    )
    .group_by("delay").agg(pl.col("t").sum().alias("sum_t")
)

得到的绘图代码及结果如下：

f, ax = plt.subplots()
ax.plot(edc["delay"], edc["sum_t"], ".")
ax.set_ylim(0, 1e7);

聚合后绘图结果

但这并非我想要的结果，我需要在过滤/分组后对数据进行分箱，生成类似下图的结果（忽略拟合部分，该图来自另一实验）：
目标分箱绘图示例

我需要对delay轴进行分箱，并在每个分箱内对所有t值求和（或取平均），但不清楚Polars中如何实现分箱操作。

Polars提供了多种分箱实现方式，以下是两种常用方案：

1. 固定宽度分箱（pl.bin()） #

若需按固定步长对delay分箱，可使用pl.bin()指定步长，代码示例：

# 按步长0.02对delay分箱，每个分箱内求和t
edc = (
    df_TR.filter(
        (pl.col("t") > 85_700)
        & (pl.col("t") < 86_090)
        & (pl.col("delay") > 218.30)
        & (pl.col("delay") < 218.72)
    )
    .with_columns(
        delay_bin=pl.col("delay").bin(bin_width=0.02)
    )
    .group_by("delay_bin")
    .agg(
        pl.col("t").sum().alias("sum_t"),
        # 可选：计算分箱中心值，用于绘图时的x轴
        delay_center=pl.col("delay").mean()
    )
)

2. 自定义边界分箱（pl.cut()） #

若需手动指定分箱边界，可使用pl.cut()实现，代码示例：

# 自定义分箱边界：从218.3到218.72，间隔0.02
bins = pl.arange(218.30, 218.73, 0.02)

edc = (
    df_TR.filter(
        (pl.col("t") > 85_700)
        & (pl.col("t") < 86_090)
        & (pl.col("delay") > 218.30)
        & (pl.col("delay") < 218.72)
    )
    .with_columns(
        delay_bin=pl.col("delay").cut(bins=bins, include_boundaries=True)
    )
    .group_by("delay_bin")
    .agg(
        pl.col("t").sum().alias("sum_t"),
        delay_center=pl.col("delay").mean()
    )
)

绘图代码 #

分箱聚合完成后，用分箱中心值绘制曲线即可得到类似目标图的效果：

f, ax = plt.subplots()
ax.plot(edc["delay_center"], edc["sum_t"], "-o")
ax.set_ylim(0, 1e7);

可根据需求调整分箱步长或边界范围，适配数据特征。

内容的提问来源于stack exchange，提问作者Maxwell's Daemon