如何在Polars中按日、小时分组执行31天滚动均值计算？

问题背景 #

• 数据集包含列：Node、Time（小时间隔）、date（对应Time的日期）、Hour、Amount，每个Node每小时仅一条数据
• 需求：每日每个Hour，计算该小时过去31天的Amount均值
• 尝试代码：

df.rolling('Time', period='31d', group_by=['date', 'Hour']).agg(pl.col('Amount').mean())

• 异常：结果行数与原数据集一致，未得到每日每小时一行的预期输出

原代码计算逻辑解析 #

这段代码的核心问题在于分组逻辑和滚动窗口的匹配错误：

• group_by=['date', 'Hour']会将数据拆分为【日期+小时】的分组，但原数据中每个Node每小时一条，所以每个分组实际是【日期+小时+Node】的单条数据
• 对单条数据做31天滚动窗口计算，只能得到该条数据自身的均值，最终所有分组结果拼接后，行数自然和原数据完全一致
• 本质是按【日期+小时+Node】的细粒度计算，而非需求的【日期+小时】聚合粒度

正确实现方法 #

场景1：按每日每小时（合并所有Node）计算过去31天均值 #

如果需要将同一小时所有Node的Amount先聚合，再计算过去31天均值：

# 1. 先聚合得到每日每小时的总Amount（可根据业务调整聚合方式，比如mean）
daily_hourly_agg = df.group_by(['date', 'Hour']).agg(
    pl.col('Amount').sum().alias('DailyHourlyTotal')
).sort('date')  # 确保时间序列有序

# 2. 按Hour分组，做31天滚动窗口均值计算
final_result = daily_hourly_agg.group_by('Hour').rolling(
    index_column='date',
    period='31d'
).agg(
    pl.col('DailyHourlyTotal').mean().alias('Past31dAvg')
)

场景2：按每个Node的每日每小时计算过去31天均值 #

如果需要保留Node维度，计算每个Node下各小时的过去31天均值：

final_result = df.group_by(['Node', 'Hour']).rolling(
    index_column='date',
    period='31d'
).agg(
    pl.col('Amount').mean().alias('Past31dAvg')
).sort(['Node', 'Hour', 'date'])

逻辑说明 #

• 先按Hour（或Node+Hour）分组，确保每个分组内是同一小时（或同一Node+小时）的全日期数据
• 基于date列做31天滚动窗口，计算窗口内Amount的均值，最终结果即为每日每小时（或Node+每日每小时）一行的结构

内容的提问来源于stack exchange，提问作者EtienneT