如何将Pandas的季度重采样求和代码改写为Polars实现？

需求背景 #

要将Pandas代码ts = aux.set_index(date_col, drop=True).resample("Q").sum()改写为Polars实现，用户尝试了以下代码（aux为LazyFrame）：

ts = aux.select(pl.all().sort_by(date_col)).set_sorted(date_col).collect().upsample(time_column=date_col, every="3mo")

报错信息（翻译后） #

线程 panicked at 'called Result::unwrap() on an Err value: ComputeError(ErrString("无法将'2021-08-31 00:00:00'往后推进3个月。如果你想获取每月最后一天，可以尝试使用.dt.month_end"))', /Users/runner/work/polars/polars/polars/polars-time/src/upsample.rs:120:83

问题分析 #

1. 原代码未实现求和逻辑：upsample仅用于补全时间序列的缺失日期，不会对数据做聚合求和，和Pandas的resample.sum()功能不符。
2. 日期推进逻辑冲突：使用every="3mo"时，Polars会按自然月天数推进日期，8月31日加3个月会得到不存在的11月31日，导致报错。而Pandas的resample("Q")是按日历季度（如Q3为7-9月，结束于9月30日）对齐，自动处理有效季度末日期。

正确Polars实现 #

方法1：直接使用resample（Polars 0.19+推荐） #

Polars已支持resample方法，语法和Pandas接近，直接实现季度求和：

ts = aux.resample(date_col, every="Q").sum().collect()

方法2：使用groupby_dynamic（更灵活） #

如果需要自定义季度的闭合/标签规则，用groupby_dynamic实现：

ts = (
    aux
    .set_sorted(date_col)  # 标记日期列已排序，优化性能
    .groupby_dynamic(
        date_col,
        every="Q",          # 按季度分组
        closed="right",     # 季度区间为左开右闭，和Pandas默认一致
        label="right"       # 用季度最后一天作为分组标签
    )
    .sum()
    .collect()
)

内容的提问来源于stack exchange，提问作者Lautaro