在Polars中实现带左边界扩展的滚动时间窗口平均值

AI 小北

2026-4-13

嘿，我来帮你搞定这个Polars里的滚动时间窗口问题！你之前在Pandas里用自定义BaseIndexer实现的那种逻辑，在Polars里其实用内置的rolling方法就能轻松实现，不用自己写复杂的索引器，而且代码还更简洁。

先再明确下你的需求，避免理解偏差：

为每一个时间戳t计算对应的5分钟滚动平均值，窗口的终点就是t
窗口的左边界不是严格卡死在t-5min的位置：如果t-5min这个时间点刚好没有数据，我们依然要把更早的、最接近t-5min的有效数据包含进来（简单说就是只要是在t之前、且尽可能在5分钟范围内的数据都算，实在没有5分钟内的就取更早的）
输入数据有两列：timestamp（时间戳列）和value（要计算平均值的数值列）

那直接上代码和解释吧：

import polars as pl
from datetime import datetime

# 先构造一个示例数据集，方便你测试
df = pl.DataFrame({
    "timestamp": [
        datetime(2023, 1, 1, 9, 58),   # 这个点比10:00的t-5min（9:55）晚，但比10:06的t-5min（10:01）早
        datetime(2023, 1, 1, 10, 0),
        datetime(2023, 1, 1, 10, 3),
        datetime(2023, 1, 1, 10, 6),
        datetime(2023, 1, 1, 10, 8),
    ],
    "value": [10, 1, 2, 3, 4]
})

# 核心计算逻辑
result = df.with_columns(
    rolling_avg=pl.col("value").rolling(
        index_column="timestamp",  # 指定用时间戳列作为滚动窗口的索引
        window_size="5m",          # 设置窗口大小为5分钟
        closed="both",             # 窗口包含左右两个边界（即[t-5min, t]区间内的所有数据）
        min_periods=1              # 即使窗口内只有1个数据点也计算平均值，避免出现空值
    ).mean()
)

# 打印结果看看
print(result)

运行这段代码后，你会得到这样的结果：

┌─────────────────────┬───────┬────────────┐
│ timestamp           ┆ value ┆ rolling_avg│
│ ---                 ┆ ---   ┆ ---        │
│ datetime[μs]        ┆ i64   ┆ f64        │
╞═════════════════════╪═══════╪════════════╡
│ 2023-01-01 09:58:00 ┆ 10    ┆ 10.0       │
│ 2023-01-01 10:00:00 ┆ 1     ┆ 5.5        │
│ 2023-01-01 10:03:00 ┆ 2     ┆ 4.333333   │
│ 2023-01-01 10:06:00 ┆ 3     ┆ 2.5        │
│ 2023-01-01 10:08:00 ┆ 4     ┆ 3.0        │
└─────────────────────┴───────┴────────────┘

咱们来拆解下关键参数的作用：

index_column="timestamp"：告诉Polars我们要基于时间列来做滚动窗口，而不是基于行索引的固定行数窗口
window_size="5m"：直接用时间字符串指定窗口长度，Polars支持d（天）、h（小时）、m（分钟）、s（秒）等单位，非常灵活
closed="both"：这个参数控制窗口的闭合边界，设为both意味着t-5min和t这两个时间点的数据都会被包含进来。如果你的需求是窗口不包含t-5min的点，可以改成closed="right"，但根据你的描述，both更贴合需求
min_periods=1：这个参数是实现“左边界扩展”的关键！当某个t的t-5min范围内没有任何数据（比如第一个数据点），它会确保我们至少取当前这个点来计算平均值，而不是返回空值。如果不设置这个参数，当窗口内没有数据时会返回null，不符合你的需求

如果你的数据量很大，Polars的rolling方法还支持并行计算，性能比Pandas的自定义索引器还要好哦！

备注：内容来源于stack exchange，提问作者Mike Church