Polars中如何用group_by_dynamic忽略日期仅按时间分组？

测试数据存储在mwe.csv中，格式如下：

datetime,duration_in_traffic_s
2023-12-20T10:50:43.063641000,221.0
2023-12-20T10:59:09.884939000,219.0
...（更多不同日期的行）

需求是使用Polars的group_by_dynamic函数，以每10分钟为间隔、1小时为窗口计算duration_in_traffic_s的平均值，且忽略日期，仅按一天中的时间分组（即2023-12-20 10:40和2023-12-21 10:40需归为同一组）。

当前执行的代码如下：

(
    pl.read_csv("mwe.csv")
    .with_columns(pl.col("datetime").cast(pl.Datetime))
    .sort("datetime")
    .group_by_dynamic(
        index_column="datetime",
        every="10m",
        period="1h",
    )
    .agg(pl.col("duration_in_traffic_s").mean())
)

但该代码会将不同日期的同一时间分为不同组，无法满足需求。尝试转换为时间类型或浮点数值的方式均无法适配group_by_dynamic的使用，且希望保留时间格式。

核心思路是将所有datetime的日期部分统一替换为固定日期（比如2000-01-01），这样所有时间都落在同一天内，再使用group_by_dynamic即可实现按一天内的时间分组，最后提取结果中的时间部分即可。

完整代码实现：

import polars as pl

(
    pl.read_csv("mwe.csv")
    .with_columns(pl.col("datetime").cast(pl.Datetime))
    # 将所有datetime的日期替换为固定值，仅保留时间部分
    .with_columns(
        fixed_day_dt=pl.col("datetime").dt.replace(year=2000, month=1, day=1)
    )
    .sort("fixed_day_dt")
    .group_by_dynamic(
        index_column="fixed_day_dt",
        every="10m",
        period="1h",
        # 可选：设置窗口对齐方式，比如按整点对齐
        offset="0m"
    )
    .agg(pl.col("duration_in_traffic_s").mean().alias("avg_duration_s"))
    # 将结果中的datetime转换为时间格式，仅保留时分秒
    .with_columns(
        time_window=pl.col("fixed_day_dt").dt.time()
    )
    # 移除临时列，保留需要的结果列
    .drop("fixed_day_dt")
)

代码说明 #

1. 统一日期部分：使用dt.replace()将所有datetime的日期替换为固定值（如2000-01-01），这样所有数据的时间维度都集中在同一天，group_by_dynamic会基于这一天的时间进行分组。
2. 动态分组计算：基于处理后的fixed_day_dt执行group_by_dynamic，设置every="10m"（分组间隔）和period="1h"（窗口长度），计算窗口内的平均值。
3. 保留时间格式：最后将结果中的fixed_day_dt转换为time类型，得到仅包含时分秒的窗口时间标识，同时移除临时列。

这样处理后，不同日期的同一时间段数据会被合并到同一个窗口中计算平均值，且结果保留了时间格式。

内容的提问来源于stack exchange，提问作者Thomas