如何在Polars中计算窗口与常量向量的点积？

你的报错原因确实是第一个滚动窗口仅包含1个元素，而静态数组const长度为2，二者维度不匹配导致点积操作失败。以下是两种可行的实现方式：

通用解决方案（适配任意权重数组） #

通过条件判断窗口内元素数量是否与静态数组长度一致，仅在满足条件时计算点积，否则返回None：

import polars as pl
import numpy as np

dummy_data = {
    "id_": [1, 2, 3, 4, 5, 6, 7, 8],
    "value": [1, 1, 2, 2, 3, 3, 4, 4]
}
const = np.array([.5, .5])

df_ = pl.DataFrame(dummy_data)
df_ = df_.set_sorted("id_")

result = df_.rolling("id_", period="2i").agg(
    pl.when(pl.col("value").arr.lengths() == len(const))
    .then(pl.col("value").dot(pl.lit(const)))
    .otherwise(None)
    .alias("value")
)

print(result)

执行后输出与你预期的expected结果完全一致。

特例优化（当权重为均匀分布时） #

由于你的const是[0.5, 0.5]，本质等价于计算窗口内元素的平均值，因此可以直接使用Polars内置的滚动均值方法简化代码：

result = df_.rolling("id_", period="2i").agg(pl.col("value").mean().alias("value"))

注意：该方法仅适用于权重均匀的场景，若后续const调整为非均匀权重（如[0.3, 0.7]），请使用通用解决方案。

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