
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。










