Python Polars中rolling_product需求及rolling_sum的Git位置查询

一、高性能滚动乘积实现 #

直接用rolling_apply自定义乘积会因Python层循环导致性能极差，推荐借助对数求和+指数还原的方式复用原生rolling_sum，性能与原生窗口函数一致：

代码示例 #

import polars as pl

def rolling_prod(df: pl.DataFrame, col: str, window_size: int) -> pl.DataFrame:
    return df.with_columns(
        pl.col(col)
        .log()
        .rolling_sum(window_size=window_size)
        .exp()
        .alias(f"{col}_rolling_prod")
    )

# 测试用例
df = pl.DataFrame({"val": [2, 3, 4, 5, 6]})
print(rolling_prod(df, "val", 3))

特殊值处理 #

如果列包含0或负数，需额外处理：

• 0：可通过条件判断标记后单独处理，避免对数报错
• 负数：提取符号的滚动计数（奇偶性决定最终符号），对绝对值执行上述对数乘积逻辑，最后还原符号

二、原生 rolling_product 状态 #

截至Polars v0.20+版本，官方未提供原生rolling_product函数，上述方法是当前最优的高性能替代方案。

三、rolling_sum 源码位置 #

Polars核心窗口函数基于Rust实现，Python仅为绑定层：

• Rust核心逻辑：polars/polars-core/src/series/rolling/mod.rs
• 求和具体实现：同目录下的functions.rs文件中
• Python接口定义：polars/polars-python/src/functions/rolling.py

内容的提问来源于stack exchange，提问作者user21703458