不使用with_row_index()，如何通过单次with_columns()调用实现Polars指定窗口的Rolling滚动聚合

好问题！其实Polars早就支持直接在rolling()里用表达式生成临时索引，完全不用额外创建和删除索引列——咱们只需要在index_column参数里直接传入一个动态生成的整数序列表达式就行，一步到位完成需求。

直接上代码：

import polars as pl

df = pl.DataFrame({"x": [1.2, 1.3, 3.4, 3.5]})

# 单次with_columns调用完成滚动聚合
result = df.with_columns(
    y=pl.col("x").rolling(
        index_column=pl.int_range(0, pl.count()),
        period="4i",
        offset="-3i"
    )
)

print(result)

这段代码的核心逻辑：

• pl.int_range(0, pl.count())会动态生成一个从0到DataFrame总行数-1的整数序列，相当于临时的行索引，直接传给index_column参数就行，不需要把它作为实际列加到DataFrame里。
• 你之前用到的period="4i"和offset="-3i"参数完全保留，逻辑和原来一致：period定义窗口覆盖4个整数索引单位，offset调整窗口的位置，刚好对应你需要的[-2:1]窗口范围。

运行后得到的结果和你期望的完全一致：

shape: (4, 2)
┌─────┬───────────────────┐
│ x   ┆ y                 │
│ --- ┆ ---               │
│ f64 ┆ list[f64]         │
╞═════╪═══════════════════╡
│ 1.2 ┆ [1.2, 1.3]        │
│ 1.3 ┆ [1.2, 1.3, 3.4]   │
│ 3.4 ┆ [1.2, 1.3, 3.4, 3.5] │
│ 3.5 ┆ [1.3, 3.4, 3.5]   │
└─────┴───────────────────┘

如果之后需要调整窗口范围，只需要修改period和offset的参数值就好，全程不用碰索引列的创建和删除，代码更简洁也更易维护。

备注：内容来源于stack exchange，提问作者bretauv