如何在Polars中实现Pandas的30分钟重采样聚合逻辑？

目标Pandas代码 #

你想要复刻的Pandas重采样聚合逻辑如下：

AGG_DEFAULTS = {
    'open': 'first',
    'high': 'max',
    'low': 'min',
    'close': 'last',
    'volume': 'sum',
    'transactions': 'sum',
}

df = df.resample('30min').agg(AGG_DEFAULTS).dropna()

原Polars代码的问题 #

你之前写的代码错误地使用了upsample + group_by的组合：upsample的作用是填充时间序列中的缺失时间点，而非按窗口聚合；后续的group_by("time")是按单个时间点分组，而非30分钟的时间窗口，因此只会取每个时间点的第一行值，无法实现窗口内的聚合。

正确的Polars实现 #

Polars原生支持resample方法，逻辑和Pandas完全对齐，直接用它就能实现需求：

import polars as pl

AGG_DEFAULTS = {
    'open': pl.first(),
    'high': pl.max(),
    'low': pl.min(),
    'close': pl.last(),
    'volume': pl.sum(),
    'transactions': pl.sum(),
}

result = df.resample(time_column="time", every="30m").agg(AGG_DEFAULTS).drop_nulls()

关键说明 #

• 直接使用resample指定时间列和采样频率，无需额外的upsample或group_by操作
• 聚合字典中直接使用Polars的聚合函数，键名对应原列名，无需手动设置别名
• drop_nulls()对应Pandas的dropna()，用于移除无数据的采样窗口

内容的提问来源于stack exchange，提问作者T3metrics