技术YY网提供最新YY技术技巧、YY软件、YY获得积分技巧、YY吃会员成长值技巧、免费卡马甲卡VP、手机软件下载、微信及YY活动等内容 努力打造为最全面的YY爱好者的聚集地。

如何在 Polars 中为每个分组的滚动窗口获取最大值对应的时间戳

2026-11-20 14:42:52 投稿人:test666 围观0次 评论

本文介绍在 polars 中不依赖自连接,高效获取每个分组(如 category)内按日期滚动窗口(如 5 天)中最大 value 所对应的 date 的完整方案,并对比 sql 实现思路。

本文介绍在 polars 中不依赖自连接,高效获取每个分组(如 category)内按日期滚动窗口(如 5 天)中最大 value 所对应的 date 的完整方案,并对比 sql 实现思路。

在时间序列分析中,我们不仅关心滚动窗口内的极值(如 rolling_max_by),更常需定位该极值发生的具体时间点。Polars 原生 rolling_max_by 仅返回数值,不提供对应索引(如 date)。幸运的是,Polars 提供了更灵活、更高效的替代方案:rolling_arg_max_by —— 它直接返回窗口内最大值所在行的 by 列(即 date)值,无需 join 或复杂逻辑。

✅ 推荐方案:使用 rolling_arg_max_by

df = df.with_columns(
    value_max=pl.col("value").rolling_max_by("date", window_size="5d", closed="both").over("category"),
    date_max=pl.col("date").rolling_arg_max_by("date", window_size="5d", closed="both").over("category")
)

⚠️ 注意:rolling_arg_max_by 要求 by 列(此处为 "date")本身是用于排序和对齐的列,且必须与 over 分组逻辑兼容。它会精确返回窗口内 value 最大时所对应的 date 值(若并列,返回第一个出现的位置)。

运行后结果示例如下(节选):

shape: (62, 5)
┌──────────┬────────────┬───────┬───────────┬────────────┐
│ category ┆ date       ┆ value ┆ value_max ┆ date_max   │
│ ---      ┆ ---        ┆ ---   ┆ ---       ┆ ---        │
│ str      ┆ date       ┆ i64   ┆ i64       ┆ date       │
╞══════════╪════════════╪═══════╪═══════════╪════════════╡
│ A        ┆ 2025-01-01 ┆ 42    ┆ 42        ┆ 2025-01-01 │
│ A        ┆ 2025-01-02 ┆ 18    ┆ 42        ┆ 2025-01-01 │
│ A        ┆ 2025-01-03 ┆ 33    ┆ 42        ┆ 2025-01-01 │
│ A        ┆ 2025-01-04 ┆ 35    ┆ 42        ┆ 2025-01-01 │
│ A        ┆ 2025-01-05 ┆ 46    ┆ 46        ┆ 2025-01-05 │
│ …        ┆ …          ┆ …     ┆ …         ┆ …          │
└──────────┴────────────┴───────┴───────────┴────────────┘

✅ 优势:

单次扫描,零内存冗余;

语义清晰,代码简洁;

自动处理窗口边界与 closed="both" 对齐;

比 lag + CASE WHEN 的 SQL 方案更可读、更可维护。

? SQL 对照说明(补充参考)

虽然 Polars 是首选,但若需在数据库中复现(如 PostgreSQL/SQL Server),传统方案依赖 LAG() 构造历史窗口字段并用 CASE 匹配最大值来源。如答案中所示,该方法需显式展开最多 N 个滞后项(N=5),易出错、难扩展,且无法优雅处理动态窗口(如 "7d")。而 Polars 的 rolling_arg_max_by 是真正面向时间窗口的向量化原语,SQL 中尚无直接等价语法。

⚠️ 注意事项

rolling_arg_max_by 自 Polars ≥ 0.20.0 起可用,请确保版本更新:pip install --upgrade polars;

若存在多个相同最大值,该函数返回第一个匹配项的 by 值(稳定行为,符合多数业务预期);

window_size 必须与 by 列单位一致(如 "date" 列为 date 类型时,用 "5d";若为 datetime,则可用 "5h" 等);

over("category") 必须与 rolling_*_by 的分组维度严格一致,否则结果未定义。

掌握 rolling_arg_max_by,即可在 Polars 中以声明式、高性能方式解决「极值时间戳定位」这一高频需求,彻底告别低效自连接。



标签: Polars   分组   动窗  
App 公众号 投稿 评论