Polars按组填充空时间戳：现有方案过慢，求高效优化方法

问题背景 #

需要按group分组，用当前组内下一行的start值填充stop列的空值，原实现使用map_groups导致运行速度较慢。

优化方案 #

直接使用**窗口函数（over）**结合shift(-1)实现向量化填充，避免map_groups带来的Python层面循环开销，代码如下：

# 先按group和start排序，保证组内时间顺序正确
df = df.sort(["group", "start"])

# 用窗口函数实现按组填充
df = df.with_columns(
    pl.col("stop").fill_null(pl.col("start").shift(-1)).over("group")
)

性能提升原因 #

• 原方案的map_groups是逐组调用Python lambda函数，属于行级/组级循环操作，数据量大时性能瓶颈明显。
• 优化后的窗口函数是Polars内部实现的向量化操作，直接在底层批量处理数据，无需切换到Python解释器，性能提升显著。

验证效果 #

针对示例数据，执行后group=1中第二行的stop空值会被填充为同组下一行的start值：2021-12-08 10:39:12.634873+01:00，完全符合需求。

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