如何在Polars中用group_by_dynamic复现Pandas季度分组重采样计数

核心疑问解答 #

every='3mo' 不等价于 Pandas的resample('Q')：

• Pandas的Q是固定自然季度规则，窗口边界固定为每年3、6、9、12月的最后一天，和数据起始时间无关
• Polars的3mo是相对偏移，从数据最早时间点开始每3个月切一个窗口，边界随起始时间变化，无法对齐自然季度

无性能损耗的对齐实现 #

不需要开启include_boundaries（无额外性能开销），直接使用Polars原生季度频率+窗口偏移参数即可完全对齐Pandas输出：

import polars as pl
import pandas as pd

# 构造测试数据集
df = pl.DataFrame({
    'date': pd.date_range("2018-01-01", periods=365*24, freq='H')
}).with_columns(
    pl.when(pl.int_range(pl.len()) < 400)
    .then(pl.lit('fire'))
    .otherwise(pl.lit('water'))
    .alias('pokemon_type')
)

# 完全对齐Pandas resample('Q')的统计逻辑
result = df.group_by_dynamic(
    index_column='date',
    every='1q', # 按自然季度切分，和Pandas 'Q'规则一致
    offset='-1ns', # 窗口偏移1纳秒，让默认返回的左边界标签落到季度最后一天
    group_by='pokemon_type'
).agg(
    pl.len().alias('total')
)

实现原理 #

Polars动态窗口默认是左闭右开区间，比如2018年Q1的窗口范围是[2018-01-01 00:00:00, 2018-04-01 00:00:00)，默认返回的标签是左边界2018-01-01。给窗口加-1ns偏移后，窗口范围变为[2017-12-31 23:59:59.999999999, 2018-03-31 23:59:59.999999999)，默认返回的左边界截断后正好是2018-03-31，也就是Pandas返回的季度最后一天标签。

运行结果和Pandas输出完全一致：

shape: (5, 3)
┌──────────────┬─────────────────────┬───────┐
│ pokemon_type ┆ date                ┆ total │
│ str          ┆ datetime[ns]        ┆ u32   │
╞══════════════╪═════════════════════╪═══════╡
│ fire         ┆ 2018-03-31 00:00:00 ┆ 400   │
│ water        ┆ 2018-03-31 00:00:00 ┆ 1760  │
│ water        ┆ 2018-06-30 00:00:00 ┆ 2184  │
│ water        ┆ 2018-09-30 00:00:00 ┆ 2208  │
│ water        ┆ 2018-12-31 00:00:00 ┆ 2208  │
└──────────────┴─────────────────────┴───────┘

内容的提问来源于stack exchange，提问作者supersick