如何在Polars中计算扩展窗口特征（均值、标准差等）？

Polars完全支持扩展窗口（从起始行到当前行的滚动窗口）的统计量计算，无需切换到Pandas，下面是具体实现方式：

一、内置累计函数（快速处理常见统计量） #

对于均值、标准差这类常见需求，Polars提供了直接的cum_*系列函数，一步到位计算扩展窗口结果：

示例代码 #

import polars as pl

# 构造测试数据
df = pl.DataFrame({
    "date": pl.date_range(start="2023-01-01", end="2023-01-05", interval="1d"),
    "value": [10, 20, 30, 40, 50]
})

# 计算扩展窗口均值、标准差
df = df.with_columns(
    pl.col("value").cum_mean().alias("expanding_mean"),
    # ddof参数设置自由度，和Pandas逻辑一致
    pl.col("value").cum_std(ddof=0).alias("expanding_std")
)

print(df)

输出结果 #

shape: (5, 4)
┌────────────┬───────┬────────────────┬────────────────┐
│ date       ┆ value ┆ expanding_mean ┆ expanding_std  │
│ ---        ┆ ---   ┆ ---            ┆ ---            │
│ date       ┆ i64   ┆ f64            ┆ f64            │
╞════════════╪═══════╪════════════════╪════════════════╡
│ 2023-01-01 ┆ 10    ┆ 10.0           ┆ 0.0            │
│ 2023-01-02 ┆ 20    ┆ 15.0           ┆ 5.0            │
│ 2023-01-03 ┆ 30    ┆ 20.0           ┆ 8.164966       │
│ 2023-01-04 ┆ 40    ┆ 25.0           ┆ 11.18034       │
│ 2023-01-05 ┆ 50    ┆ 30.0           ┆ 14.142136      │
└────────────┴───────┴────────────────┴────────────────┘

二、自定义扩展窗口（复杂场景/分组需求） #

如果需要分组后的扩展窗口计算，或者自定义聚合逻辑，可以用over()结合窗口范围定义实现：

分组扩展窗口示例 #

df_with_groups = pl.DataFrame({
    "group": ["A", "A", "B", "B", "A"],
    "value": [10, 20, 30, 40, 50]
})

df_with_groups = df_with_groups.with_columns(
    pl.col("value").mean().over(
        # 指定分组列
        pl.col("group"),
        # 定义窗口范围：从分组内第0行到当前行
        window=pl.window(range_start=0, range_end=pl.int_range(0, pl.count()))
    ).alias("group_expanding_mean")
)

print(df_with_groups)

输出结果 #

shape: (5, 3)
┌───────┬───────┬────────────────────┐
│ group ┆ value ┆ group_expanding_mean │
│ ---   ┆ ---   ┆ ---                │
│ str   ┆ i64   ┆ f64                │
╞═══════╪═══════╪════════════════════╡
│ A     ┆ 10    ┆ 10.0               │
│ A     ┆ 20    ┆ 15.0               │
│ B     ┆ 30    ┆ 30.0               │
│ B     ┆ 40    ┆ 35.0               │
│ A     ┆ 50    ┆ 26.666667          │
└───────┴───────┴────────────────────┘

三、大数据场景：Lazy API支持 #

如果处理超大数据集，Polars的Lazy API同样支持扩展窗口计算，性能更优：

lazy_df = pl.LazyFrame({
    "date": pl.date_range(start="2023-01-01", end="2023-01-05", interval="1d"),
    "value": [10, 20, 30, 40, 50]
})

# 延迟计算，最后collect触发执行
result = lazy_df.with_columns(
    pl.col("value").cum_mean().alias("expanding_mean"),
    pl.col("value").cum_std().alias("expanding_std")
).collect()

内容的提问来源于stack exchange，提问作者Nikhilesh Bhagat