Pandas分组滚动聚合代码转Polars时遇类型错误求助

问题描述 #

要将这段Pandas滚动聚合代码转换为Polars：

df.groupby(groupby_col)[[A_col, B_col]].rolling(window=window, on=B_col, closed = 'left').agg(some_function)

其中A_col是Int64类型，B_col是datetime(ns)类型。

自己写的Polars代码如下：

df.group_by(groupby_col).agg(pl.col([A_col, B_col])).with_columns(
pl.col([A_col, B_col]).rolling_mean(window_size=30,  by=B_col, closed="left"))

运行后触发错误：

`expr_name` operation not supported for dtype `list[date]` (expected: date/datetime)

疑问：为什么rolling_mean的by参数不能接受日期列表？

解决方案 #

问题出在你的Polars写法逻辑错误：group_by().agg(pl.col([A_col, B_col]))会把每组的A_col和B_col转换成列表类型，但Polars的滚动函数要求处理的是原始的标量列，不是列表，这就是报错的根源。

正确写法思路 #

不需要先agg把列打包成列表，直接在分组后对目标列调用滚动函数即可：

对应原Pandas自定义聚合的写法

如果some_function是自定义聚合逻辑，用rolling()配合agg()：

df.group_by(groupby_col).agg(
    # 对A_col按B_col的时间窗口做自定义聚合
    pl.col(A_col).rolling(
        window_size=window,  # 时间窗口要写字符串格式，比如"30d"代表30天
        by=B_col,
        closed="left"
    ).agg(some_function).alias(f"{A_col}_agg_result"),
    # 按需保留B_col或其他列
    pl.col(B_col)
)

针对滚动均值的简化写法

如果只是计算均值，直接用rolling_mean，注意时间窗口的格式：

df.group_by(groupby_col).agg(
    pl.col(A_col).rolling_mean(
        window_size="30d",  # 替换成你实际需要的时间窗口，比如"1w"表示一周
        by=B_col,
        closed="left"
    ).alias(f"{A_col}_rolling_mean"),
    pl.col(B_col)
)

关键注意点 #

• Polars分组后直接对原始列调用滚动函数即可，滚动逻辑会自动在每组内基于by指定的时间列计算窗口，不需要先把列转成列表。
• 时间窗口的window_size必须用时间字符串（如"1h"、"7d"），如果写数字，Polars会把它当成行数量窗口，这和Pandas的window参数行为不同，别搞混。

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