Polars分组上采样（Upsampling）行为不符合预期的问题咨询

我在使用Polars处理时间序列数据时，遇到了一个分组上采样的结果和预期不符的问题，想请教这是Polars的bug，还是我的代码用法有误？

首先是我的原始数据代码：

import polars as pl
from datetime import datetime

df = pl.DataFrame(
    {
        "time": [
            datetime(2021, 2, 1),
            datetime(2021, 4, 2),
            datetime(2021, 5, 4),
            datetime(2021, 6, 6),
            datetime(2021, 6, 8),
            datetime(2021, 7, 10),
            datetime(2021, 8, 18),
            datetime(2021, 9, 20),
        ],
        "groups": ["A", "B", "A", "B","A","B","A","B"],
        "values": [0, 1, 2, 3,4,5,6,7],
    }
)

接下来是我写的上采样和测试逻辑代码：

(
    df
    .upsample(
        time_column="time", 
        every="1d", 
        group_by="groups", 
        maintain_order=True
        )
    .group_by('groups')
    .agg(pl.col('time').diff().max())
    
)

运行这段代码后，得到的输出结果是：

shape: (3, 2)
┌────────┬──────────────┐
│ groups ┆ time         │
│ ---    ┆ ---          │
│ str    ┆ duration[μs] │
╞════════╪══════════════╡
│ A      ┆ 92d          │
│ null   ┆ 2d           │
│ B      ┆ 72d          │
└────────┴──────────────┘

我原本预期上采样后，每组内相邻时间的间隔应该都是1天，所以diff().max()的结果应该是1天，但实际得到的却是大得多的时长，比如A组是92天，甚至还出现了一个null分组。这完全不符合我的预期，想知道问题出在哪里？

备注：内容来源于stack exchange，提问作者JohnRos