如何将Pandas的groupby+resample逻辑转换为Polars实现？

你有生成测试DataFrame的代码（生产环境数据结构更复杂）：

import polars as pl
import numpy as np
import pandas as pd

def create_timeseries_df(num_rows):
    date_rng = pd.date_range(start='1/1/2020', end='1/01/2021', freq='T')
    data = {
        'date': np.random.choice(date_rng, num_rows),
        'category': np.random.choice(['A', 'B', 'C', 'D'], num_rows),
        'subcategory': np.random.choice(['X', 'Y', 'Z'], num_rows),
        'value': np.random.rand(num_rows) * 100
    }
    df = pd.DataFrame(data)
    df = df.sort_values('date')
    df.set_index('date', inplace=True, drop=False)
    df.index = pd.to_datetime(df.index)

    return df

num_rows = 1000000  # 示例数据量
df = create_timeseries_df(num_rows)

原本使用Pandas执行的转换逻辑：

df_pd = df.copy()
df_pd = df_pd.groupby(['category', 'subcategory'])
df_pd = df_pd.resample('W-MON')
df_pd.agg({
    'value': ['sum', 'mean', 'max', 'min']
}).reset_index()

因Pandas在生产环境处理速度不足，尝试改用Polars但触发错误：

# 转换为Polars DataFrame
df_pl = pl.from_pandas(df)

# 分组、重采样并聚合
df_pl = df_pl.group_by('category', 'subcategory')
df_pl = df_pl.group_by_dynamic('date', every='1w', closed='right')
df_pl.agg(
   pl.col('value').sum().alias('value_sum'),
   pl.col('value').mean().alias('value_mean'),
   pl.col('value').max().alias('value_max'),
   pl.col('value').min().alias('value_min')
)

错误信息：AttributeError: 'GroupBy' object has no attribute 'group_by_dynamic'

解决方案 #

Polars中无法通过GroupBy对象调用group_by_dynamic，正确的做法是直接使用group_by_dynamic方法，通过by参数指定分组列，同时配置时间重采样参数：

df_pl = pl.from_pandas(df)

# 直接用group_by_dynamic完成分组+时间重采样
result = df_pl.group_by_dynamic(
    'date',
    every='1w',
    closed='right',
    by=['category', 'subcategory']  # 在这里指定分组列
).agg(
    pl.col('value').sum().alias('value_sum'),
    pl.col('value').mean().alias('value_mean'),
    pl.col('value').max().alias('value_max'),
    pl.col('value').min().alias('value_min')
)

细节对齐说明 #

如果需要和Pandas的W-MON（每周一作为周结束日）逻辑完全对齐，可通过offset参数调整时间窗口的起始/结束点：

result = df_pl.group_by_dynamic(
    'date',
    every='1w',
    closed='right',
    offset='-6d',  # 调整窗口，使周周期以周一为结束日
    by=['category', 'subcategory']
).agg(
    pl.col('value').sum().alias('value_sum'),
    pl.col('value').mean().alias('value_mean'),
    pl.col('value').max().alias('value_max'),
    pl.col('value').min().alias('value_min')
)

内容的提问来源于stack exchange，提问作者girdeux