如何用Polars计算日内基于最近20条记录的Close列滚动平均

要在Polars中实现按日期分组、仅使用当日数据计算Close列的最近20条记录滚动平均（每日前19条为NA），可以利用窗口函数+滚动计算的组合，确保分组内的时序正确性且不跨日计算。

实现代码 #

ohlc = ohlc.with_columns(
    pl.col("Close")
    .rolling_mean(window=20)
    .over(partition_by="Date", order_by="DateTime")
    .alias("MA")
)

代码说明 #

1. partition_by="Date"：将数据按日期分组，确保滚动计算严格限制在当日范围内，不会混入前一日的数据。
2. order_by="DateTime"：在每个日期分组内按时间戳排序，保证滚动窗口按 chronological 顺序计算（这一步至关重要，原始数据可能并非按日内时间排序）。
3. rolling_mean(window=20)：计算当前行及之前19行的平均值（共20条记录）。默认min_periods=20，因此每日前19条记录会返回NA，符合需求。
4. alias("MA")：将计算结果命名为新列MA，同时保留所有原有字段。

与Pandas实现的对比 #

该Polars代码逻辑完全对应你提供的Pandas实现：

• Pandas通过groupby(['Date'])['Close'].rolling(window).mean()实现分组滚动平均，再通过reset_index合并回原DataFrame。
• Polars通过over(partition_by="Date", order_by="DateTime")替代分组+重置索引的流程，代码更简洁且性能更优（Polars窗口函数为向量化实现）。

内容的提问来源于stack exchange，提问作者Ted Black