Polars中用.rolling与.agg保留原始列（无需join或.over）

要实现**不关联原始列、不用.over、保留原始单个值列、支持group_by**的滚动聚合，核心思路是：分离滚动聚合计算与原始列保留——先单独计算滚动聚合指标，再将结果与原始DataFrame通过分组键+时间列（或唯一标识）关联。

具体步骤 #

1. 单独计算滚动聚合结果：仅在.agg()中定义需要的聚合指标（如求和、均值），不要包含原始列（避免变成窗口列表）。
2. 关联原始数据：将聚合结果与原始DataFrame通过唯一标识（分组键+时间列）进行左连接，即可保留所有原始列，同时新增聚合结果列。

示例代码 #

带分组的场景

import polars as pl

dates = [
    "2020-01-01 13:45:48",
    "2020-01-01 16:42:13",
    "2020-01-01 16:45:09",
    "2020-01-02 18:12:48",
    "2020-01-03 19:45:32",
    "2020-01-08 23:16:43",
]
# 构造带分组的示例数据
df = pl.DataFrame({
    "group": ["X", "X", "Y", "Y", "X", "Y"],
    "dt": dates, 
    "a": [3, 7, 5, 9, 2, 1]
}).with_columns(
    pl.col("dt").str.to_datetime().set_sorted()
)

# 步骤1：计算7天滚动求和（仅生成聚合列）
rolling_agg = df.group_by("group").rolling(
    index_column="dt", 
    period="7d"  # 滚动窗口周期
).agg(
    pl.col("a").sum().alias("rolling_sum_7d"),
    pl.col("a").mean().alias("rolling_mean_7d")  # 可添加多个聚合指标
)

# 步骤2：关联原始数据，保留所有原始列
result = df.join(rolling_agg, on=["group", "dt"], how="left")
print(result)

无分组的场景

如果不需要分组，直接去掉group_by即可：

# 无分组的滚动聚合计算
rolling_agg = df.rolling(index_column="dt", period="7d").agg(
    pl.col("a").sum().alias("rolling_sum_7d")
)
# 关联原始数据
result = df.join(rolling_agg, on="dt", how="left")

方案优势 #

• 滚动聚合结果的行数与原始DataFrame完全一致，每个行对应自身窗口的聚合结果，通过group+dt（或仅dt）可以精准匹配。
• 完全避开了.over语法，同时不需要用last()/first()模拟原始列，直接保留了原始数据的所有字段。

内容的提问来源于stack exchange，提问作者Olivier_s_j