Polars中链式.over()调用rolling_mean结果异常，sum无此问题

问题原因 #

这是Polars当前表达式执行逻辑的已知限制，并非bug。核心差异源于两类函数的计算特性：

• 聚合类函数（如sum）：sum().over('grp')会为每个grp分组生成常量值，后续.over('date')仅对这些常量值按date分组排名，不会改变之前的聚合结果，因此单表达式与分步执行结果一致。
• 滚动类函数（如rolling_mean）：rolling_mean(2).over('grp')需要在grp分组内按行顺序计算窗口均值，但当链式调用第二个.over('date')时，Polars会重置计算上下文，将滚动窗口的分组逻辑替换为date，导致原grp分组的滚动计算失效，最终返回全null。

不使用临时列的解决方案 #

通过子表达式嵌套的方式，强制先完成grp分组的滚动计算，再对结果执行date分组的排名，避免上下文被覆盖：

pldf = pl.DataFrame({'grp': ['a', 'a', 'b', 'b'], 'date':[1,2,1,2], 'val': [0.5] * 4})
# 正确的单表达式写法
expr_fixed = pl.col(pl.col('val').rolling_mean(2).over('grp')).rank().over('date')
pldf.with_columns(expr_fixed.alias('rank'))

执行后会得到与分步执行一致的正确结果：

shape: (4, 4)
┌─────┬──────┬─────┬──────┐
│ grp ┆ date ┆ val ┆ rank │
│ --- ┆ ---  ┆ --- ┆ ---  │
│ str ┆ i64  ┆ f64 ┆ f64  │
╞═════╪══════╪═════╪══════╡
│ a   ┆ 1    ┆ 0.5 ┆ 1.5  │
│ a   ┆ 2    ┆ 0.5 ┆ 1.5  │
│ b   ┆ 1    ┆ 0.5 ┆ 1.5  │
│ b   ┆ 2    ┆ 0.5 ┆ 1.5  │
└─────┴──────┴─────┴──────┘

补充说明 #

另一种等价写法是用pl.select()包裹滚动计算步骤，同样能强制计算顺序：

expr_fixed = pl.select(pl.col('val').rolling_mean(2).over('grp')).rank().over('date')

内容的提问来源于stack exchange，提问作者noob_191