Polars中是否有等价于pandas groupby().shift()的实现方法？

Polars完全支持分组内的shift操作，有两种常用实现方式，效果和pandas的df.groupby().shift()完全等价：

• 使用groupby后直接调用shift方法
  先构造示例数据：

  import polars as pl
  
  df = pl.DataFrame({
      "group": ["A", "A", "B", "B", "B"],
      "value": [1, 2, 3, 4, 5]
  })
  

  执行分组shift：

  # 每个组内向下shift 1位
  grouped_shift_result = df.groupby("group").shift(1)
  

  结果中每个分组的第一行会出现null，后续行对应组内上一行的value，和pandas的分组shift逻辑一致。

• 使用窗口函数over实现（更灵活，可保留原数据）
  如果需要在原DataFrame中新增shift后的列，可直接用窗口函数：

  result_with_shifted_col = df.with_columns(
      pl.col("value").shift(1).over("group").alias("shifted_value")
  )
  

  这种方式不会改变原有数据结构，直接添加分组shift后的结果列，适合需要同时查看原数据和shift结果的场景。

内容的提问来源于stack exchange，提问作者Michael WS