如何在Polars中对分组非规整时间序列的列执行基于时间的偏移并生成目标列

嗨，我来帮你搞定这个Polars的时间序列问题！你说的是按id分组的非规整时间序列，要用with_columns生成目标的result列对吧？刚好我对这个场景熟得很～

首先得明确：非规整时间序列的核心是同一个id下的日期间隔不固定，不能直接用普通的shift（那是按行偏移，不管时间差），得结合分组和时间排序/滚动窗口来处理。我先补全你没写完的示例数据（猜你应该有date和值列，比如value），方便后续演示：

import datetime as dt
import polars as pl

df = pl.DataFrame(
    {
        "id": ["1", "1", "1", "2", "2", "2"],
        "date": [
            dt.date(2023, 1, 1),
            dt.date(2023, 1, 3),  # 非规整间隔：2天
            dt.date(2023, 1, 6),  # 非规整间隔：3天
            dt.date(2023, 1, 2),
            dt.date(2023, 1, 5),
            dt.date(2023, 1, 7),
        ],
        "value": [10, 20, 30, 40, 50, 60]
    }
)

接下来分两种最常见的场景给你对应的实现代码，都能用with_columns完成：

场景1：取同分组内上一个时间点的对应值 #

这种情况只要先在分组内按日期排序，再用shift(1)偏移就行，直接把逻辑写在with_columns里：

# 先按id和date排序，再生成result列
df_result = df.sort(["id", "date"]).with_columns(
    result=pl.col("value").shift(1).over("id")
)

这里的over("id")指定按分组处理，shift(1)会在每个分组内的有序行里取上一行的value——因为我们先按日期排过序了，完全适配非规整时间序列的情况。

场景2：取同分组内当前日期前N天内的对应值 #

如果你的需求是基于时间间隔（比如取当前日期往前5天内的最后一个值），那用Polars的rolling滚动窗口，同样可以嵌套在with_columns里：

df_result = df.with_columns(
    result=pl.col("value").rolling(
        index="date",  # 指定作为时间索引的列
        period="5d",  # 时间窗口范围：当前日期往前推5天
        by="id",  # 按id分组处理每个窗口
        closed="left"  # 窗口不包含当前日期本身，可根据需求调整
    ).last()  # 取窗口内的最后一个值，也可以换成sum()/mean()等聚合逻辑
)

这个方法完全不依赖行的顺序，直接按实际时间间隔筛选数据，是非规整时间序列的绝佳解决方案。

比如场景1的最终输出会是这样的：

shape: (6, 4)
┌─────┬────────────┬───────┬────────┐
│ id  ┆ date       ┆ value ┆ result │
│ --- ┆ ---        ┆ ---   ┆ ---    │
│ str ┆ date       ┆ i64   ┆ i64    │
╞═════╪════════════╪═══════╪════════╡
│ 1   ┆ 2023-01-01 ┆ 10    ┆ null   │
│ 1   ┆ 2023-01-03 ┆ 20    ┆ 10     │
│ 1   ┆ 2023-01-06 ┆ 30    ┆ 20     │
│ 2   ┆ 2023-01-02 ┆ 40    ┆ null   │
│ 2   ┆ 2023-01-05 ┆ 50    ┆ 40     │
│ 2   ┆ 2023-01-07 ┆ 60    ┆ 50     │
└─────┴────────────┴───────┴────────┘

备注：内容来源于stack exchange，提问作者yz_jc