使用Polars根据采样率与采样数量生成采样时间戳数组

我来帮你搞定这个Polars里生成采样时间戳数组的问题～ 你的需求很明确：给每行数据生成对应所有采样点的时间戳数组，而且要适配每行不同的采样率和采样数量，不用硬编码固定值对吧？

首先先确认你的原始数据结构：

import polars as pl
from datetime import datetime, timedelta

df = pl.DataFrame(
    {
        "sample_started_at": [
            datetime(2022, 1, 1, hour=1, minute=1, second=1), 
            datetime(2022, 1, 1, hour=2, minute=1, second=1), 
            datetime(2022, 1, 1, hour=3, minute=1, second=1)
        ],
        "sample_rate": [25600, 25600, 51200],
        "sample_size": [100, 200, 100],
    }
)

这里的核心是利用Polars的向量化操作直接处理整列数据，避免逐行循环，这样性能会好很多。直接用pl.datetime_ranges就可以实现，它支持把列作为参数传入，完美适配每行不同的参数：

result_df = df.with_columns(
    sample_timestamps=pl.datetime_ranges(
        # 采样起始时间，直接用原列
        start=pl.col("sample_started_at"),
        # 计算采样结束时间：起始时间 + 总采样时长（采样数量/采样率 秒）
        end=pl.col("sample_started_at") + pl.duration(seconds=pl.col("sample_size") / pl.col("sample_rate")),
        # 计算采样间隔：1/采样率 秒，转换成纳秒传入保证精度
        interval=pl.duration(nanoseconds=1_000_000_000 / pl.col("sample_rate")),
        # 左闭合，确保包含起始时间，且生成的数组长度正好等于sample_size
        closed="left"
    )
)

# 查看结果
print(result_df)

代码关键说明： #

• pl.datetime_ranges是Polars专门生成时间序列的函数，支持向量化输入，比逐行处理效率高很多
• 总采样时长是sample_size / sample_rate，也就是采样数量除以每秒采样数，得到整个采样过程的秒数
• 采样间隔用纳秒计算是为了避免浮点误差，保证时间戳的准确性
• closed="left"设置确保生成的数组包含起始时间，且不包含结束时间，这样数组长度正好等于sample_size（比如100个采样点就对应100个时间戳）

如果你的Polars版本比较旧（比如0.18.x及以前），datetime_ranges可能不支持列作为参数，这时候可以用map_elements逐行处理，兼容性更好：

result_df = df.with_columns(
    sample_timestamps=pl.struct(["sample_started_at", "sample_rate", "sample_size"])
    .map_elements(
        lambda row: pl.datetime_ranges(
            start=row["sample_started_at"],
            end=row["sample_started_at"] + timedelta(seconds=row["sample_size"]/row["sample_rate"]),
            interval=timedelta(seconds=1/row["sample_rate"]),
            closed="left"
        ).to_list(),
        return_dtype=pl.List(pl.Datetime)
    )
)

这种方法兼容性强，但性能不如向量化版本，大数据集下更推荐第一种方案。

备注：内容来源于stack exchange，提问作者LeonBam