Polars Series调用PyWavelet低通滤波函数报错的解决方法

错误原因 #

• Polars列的底层数据是只读的numpy数组/内存视图，而PyWavelet的pywt.threshold函数在处理过程中会尝试修改输入数组，触发只读缓冲区的权限错误。
• 原代码用pl.struct('close').map(...)传递参数，实际传递的是struct对象而非纯数值数组，不符合lowpassfilter函数的参数预期。

正确调用方式 #

1. 修改滤波函数，适配Polars的只读数据特性 #

先将输入信号转换为可写的numpy数组，同时把生成器改为列表（避免迭代器赋值的潜在问题）：

import pywt
import numpy as np

def lowpassfilter(signal, thresh = 0.63, wavelet="db4"):
    # 转换为可写数组，解决只读缓冲区问题
    signal = np.array(signal, copy=True)
    thresh = thresh * np.nanmax(signal)
    coeff = pywt.wavedec(signal, wavelet, mode="per")
    # 用列表推导式替代生成器，确保系数被正确赋值
    coeff[1:] = [pywt.threshold(i, value=thresh, mode="soft") for i in coeff[1:]]
    reconstructed_signal = pywt.waverec(coeff, wavelet, mode="per")
    return reconstructed_signal

2. 调整Polars的调用代码 #

使用pl.col指定目标列，并用map_elements替代map（map_elements专门用于对单列的完整数据应用函数）：

df = df.with_columns(
    pl.col('close').map_elements(lowpassfilter).alias('wavelet')
)

补充说明 #

如果close列包含缺失值，np.nanmax可以正常处理；若需要更高性能，可考虑将函数改为Polars的向量化UDF，但对于小波滤波这类需要完整序列的操作，map_elements是最直接的实现方式。

内容的提问来源于stack exchange，提问作者tone