Polars中如何生成后续X行滚动窗口的最大、最小及平均值？

要实现计算某列后续X个元素的最大值、最小值和平均值，无需用shift加滚动的方式（会导致前X行空值），可以用以下两种更直接的方法：

方法一：使用滚动窗口的偏移参数 #

Polars的rolling_*函数支持通过start和end参数定义窗口相对于当前行的偏移范围。要计算当前行之后的20个元素，窗口范围设置为从当前行的下一行（偏移+1）到当前行+20行，代码示例：

import polars as pl

# 假设df是你的DataFrame，包含price列
df = df.with_columns(
    # 后续20个元素的最大值
    pl.col("price").rolling_max(window_size=20, start=1, end=20).alias("next_20_max"),
    # 后续20个元素的最小值
    pl.col("price").rolling_min(window_size=20, start=1, end=20).alias("next_20_min"),
    # 后续20个元素的平均值
    pl.col("price").rolling_mean(window_size=20, start=1, end=20).alias("next_20_mean")
)

• 如果希望只有当后续元素数量达到20个时才返回结果（不足则为null），可以添加min_periods=20参数。
• 这种方法无需翻转数据，执行效率更高，逻辑也更直观。

方法二：翻转DataFrame实现反向滚动 #

通过翻转DataFrame，将"后续元素"转换为"前序元素"，计算常规滚动统计后再翻转回来，代码示例：

# 翻转后计算前向滚动统计，再翻转回原顺序
reversed_df = df.reverse().with_columns(
    pl.col("price").rolling_max(window_size=20, min_periods=20).alias("next_20_max"),
    pl.col("price").rolling_min(window_size=20, min_periods=20).alias("next_20_min"),
    pl.col("price").rolling_mean(window_size=20, min_periods=20).alias("next_20_mean")
).reverse()

# 将统计列合并到原DataFrame
df = df.with_columns(reversed_df.select(pl.exclude("price")))

这种方法适合理解滚动逻辑，缺点是需要两次翻转数据，大数据集下效率略低于方法一。

内容的提问来源于stack exchange，提问作者elias