本文详解如何在 Polars 的 rolling().agg() 中精确获取每个窗口内「当前行」对应的非索引列值（如 order_id）及该行在窗口内的相对位置（frame_index），避免因 first() 等聚合导致的静态取值问题。
本文详解如何在 polars 的 `rolling().agg()` 中精确获取每个窗口内「当前行」对应的非索引列值（如 `order_id`）及该行在窗口内的相对位置（`frame_index`），避免因 `first()` 等聚合导致的静态取值问题。
在 Polars 中执行滚动窗口计算时，一个常见但易被忽视的需求是：在 .agg() 内部访问“当前被聚合的那行原始数据”——而非整个窗口的聚合结果。例如，你希望为滚动窗口中的每一行都标注其自身的 order_id 和它在该窗口内的序号（frame_index），而非整个窗口统一取首行或末行的值。
你最初的写法：
df.sort("customer_id", "date")
.rolling(index_column="date", period="1w", closed="left", group_by="customer_id")
.agg(
frame_index = pl.int_range(pl.len()).first(), # ❌ 错误：.first() 返回标量，丢失逐行维度
current_order_id = pl.col("order_id").first(), # ❌ 同样只取窗口首行
orders = pl.col("order_id")
)
问题核心在于：.agg() 中的表达式默认作用于整个窗口分组，而 pl.int_range(pl.len()) 生成的是长度为窗口行数的序列，但加上 .first() 后就坍缩为单个标量，无法实现“每行对应自身在窗口中的位置”。
✅ 正确解法：利用 pl.int_range(pl.len()) 不加聚合，配合 with_columns() 显式对齐原始行顺序
由于 rolling().agg() 的输出行数与原始输入行数一致（每个原始行生成一个窗口聚合结果），我们可以先完成窗口聚合（保留窗口内列表、长度等信息），再通过 with_columns() 安全注入原始排序后 DataFrame 的对应列：
import polars as pl
df = pl.DataFrame(
{
"order_id": ["o01", "o02", "o03", "o04", "o10", "o11", "o12", "o13"],
"customer_id": ["ca", "ca", "ca", "ca", "cb", "cb", "cb", "cb"],
"date": [
"2024-04-03",
"2024-04-04",
"2024-04-04",
"2024-04-11",
"2024-04-02",
"2024-04-02",
"2024-04-03",
"2024-05-13",
],
},
schema_overrides={"date": pl.Date},
)
# ✅ 关键：先排序，再滚动，再聚合，最后对齐注入
sorted_df = df.sort("customer_id", "date")
result = (
sorted_df
.rolling(
index_column="date",
period="1w",
offset="0d",
closed="left",
group_by="customer_id",
)
.agg(
frame_index = pl.int_range(pl.len()), # ✅ 返回长度为窗口行数的 Int64Series（逐行展开）
orders = pl.col("order_id"),
)
.with_columns(
current_order_id = sorted_df.get_column("order_id") # ✅ 严格按 sorted_df 行序注入
)
)
print(result)
输出将精准匹配你的目标：
shape: (8, 4) ┌─────────────┬────────────┬───────────┬──────────────────────────┐ │ customer_id ┆ date ┆ frame_index ┆ orders │ │ --- ┆ --- ┆ --- ┆ --- │ │ str ┆ date ┆ list[i64] ┆ list[str] │ ╞═════════════╪════════════╪═════════════╪══════════════════════════╡ │ ca ┆ 2024-04-03 ┆ [0] ┆ ["o01", "o02", "o03"] │ │ ca ┆ 2024-04-04 ┆ [0, 1] ┆ ["o02", "o03"] │ │ ca ┆ 2024-04-04 ┆ [0, 1] ┆ ["o02", "o03"] │ │ ca ┆ 2024-04-11 ┆ [0] ┆ ["o04"] │ │ cb ┆ 2024-04-02 ┆ [0, 1, 2] ┆ ["o10", "o11", "o12"] │ │ cb ┆ 2024-04-02 ┆ [0, 1, 2] ┆ ["o10", "o11", "o12"] │ │ cb ┆ 2024-04-03 ┆ [0] ┆ ["o12"] │ │ cb ┆ 2024-05-13 ┆ [0] ┆ ["o13"] │ └─────────────┴────────────┴───────────┴──────────────────────────┘
⚠️ 注意事项：
sorted_df必须与rolling前的排序完全一致（包括group_by逻辑），否则with_columns()对齐会出错；frame_index是list[i64]类型，若需展开为每行一个整数（如用于后续 join 或条件计算），可使用.explode("frame_index")配合.with_row_count()或pl.arange()二次处理；- 若需在
agg内直接做“当前行值参与计算”（如order_id + mean(price)），推荐先用with_columns()注入原始列，再用select()或with_columns()进行跨列运算，避免在agg()中尝试“反向索引”原始行——Polars 当前无current_row()或nth(0)（针对当前行）原语，强行模拟易出错。
总结：Polars 滚动窗口的“当前行感知”能力依赖于聚合后对齐注入，而非聚合内动态取值。掌握 pl.int_range(pl.len()) 的向量化行为 + with_columns(df.select(...)) 的严格顺序对齐，即可稳健实现任意原始列值与窗口内位置的组合需求。
