रोलिंग और संचयी एग्रीगेशन
Polars के साथ Data Transformation
Liam Brannigan
Data Scientist & Polars Contributor
रोलिंग आँकड़े क्यों?
रोलिंग आँकड़े क्यों?
कॉलम पर रोलिंग mean
prices.with_columns(
)
कॉलम पर रोलिंग mean
prices.with_columns(
pl.col("price").rolling_mean( )
)
कॉलम पर रोलिंग mean
prices.with_columns(
pl.col("price").rolling_mean(window_size=3)
)
कॉलम पर रोलिंग mean
prices.with_columns(
pl.col("price").rolling_mean(window_size=3).alias("smoothed")
)
कॉलम पर रोलिंग mean
prices.with_columns(
pl.col("price").rolling_mean(window_size=3).alias("smoothed")
)
| time | price | solar | smoothed |
| --- | --- | --- | --- |
| datetime[µs] | f64 | f64 | f64 |
|---------------------|-------|-------|----------|
| 2025-07-05 00:00:00 | 34.2 | 0.0 | null |
| 2025-07-05 01:00:00 | 28.7 | 0.0 | null |
कॉलम पर रोलिंग mean
prices.with_columns(
pl.col("price").rolling_mean(window_size=3).alias("smoothed")
)
| time | price | solar | smoothed |
| --- | --- | --- | --- |
| datetime[µs] | f64 | f64 | f64 |
|---------------------|-------|-------|----------|
| 2025-07-05 00:00:00 | 34.2 | 0.0 | null |
| 2025-07-05 01:00:00 | 28.7 | 0.0 | null |
| 2025-07-05 02:00:00 | 27.5 | 0.0 | 30.1 |
विंडो को center करना
prices.with_columns(
pl.col("price").rolling_mean(window_size=3, )
)
विंडो को center करना
prices.with_columns(
pl.col("price").rolling_mean(window_size=3, center=True).alias("centered")
)
| time | price | solar | centered |
| --- | --- | --- | --- |
| datetime[µs] | f64 | f64 | f64 |
|---------------------|-------|-------|----------|
| 2025-07-05 00:00:00 | 34.2 | 0.0 | null |
| 2025-07-05 01:00:00 | 28.7 | 0.0 | 30.1 |
| 2025-07-05 02:00:00 | 27.5 | 0.0 | 27.1 |
अन्य रोलिंग expressions
.rolling_sum()- रोलिंग कुल.rolling_std()- रोलिंग standard deviation.rolling_max()/.rolling_min()
DataFrame पर रोलिंग
prices.rolling( )
DataFrame पर रोलिंग
prices.rolling(index_column="time", )
DataFrame पर रोलिंग
prices.rolling(index_column="time", period="3h")
DataFrame पर रोलिंग
prices.rolling(index_column="time", period="3h").agg(
pl.all().mean()
)
DataFrame पर रोलिंग
prices.rolling(index_column="time", period="3h").agg(
pl.all().mean()
)
| time | price | solar |
| --- | --- | --- |
| datetime[µs] | f64 | f64 |
|---------------------|-------|------- |
| 2025-07-05 10:00:00 | 1.8 | 247.3 |
| 2025-07-05 11:00:00 | 1.4 | 347.7 |
| 2025-07-05 12:00:00 | 0.9 | 420.7 |
संचयी आँकड़े क्यों?
- कार्य: cumulative मान निकालें
संचयी आँकड़े क्यों?
संचयी आँकड़े
prices.with_columns(
pl.col("solar")
)
संचयी आँकड़े
prices.with_columns(
pl.col("solar").cum_max()
)
संचयी आँकड़े
prices.with_columns(
pl.col("solar").cum_max().alias("cumulative_solar")
)
संचयी आँकड़े
prices.with_columns(
pl.col("solar").cum_max().alias("cumulative_solar")
)
| time | price | solar | cumulative_solar |
| --- | --- | --- | --- |
| datetime[µs] | f64 | f64 | f64 |
|---------------------|-------|-------|------------------|
| ... | ... | ... | ... |
| 2025-07-05 10:00:00 | 2.3 | 419.0 | 419.0 |
| 2025-07-05 11:00:00 | 0.5 | 481.0 | 481.0 |
| 2025-07-05 12:00:00 | 0.0 | 462.0 | 481.0 |
| ... | ... | ... | ... |
रनिंग टोटल के लिए cumulative sum
prices.with_columns(
pl.col("solar").cum_sum().alias("total_energy")
)
| time | price | solar | total_energy |
| --- | --- | --- | --- |
| datetime[µs] | f64 | f64 | f64 |
|---------------------|-------|-------|--------------|
| 2025-07-05 06:00:00 | 22.1 | 62.0 | 62.0 |
| 2025-07-05 07:00:00 | 4.5 | 100.0 | 162.0 |
| 2025-07-05 08:00:00 | 1.7 | 180.0 | 342.0 |
अभ्यास करते हैं!
Polars के साथ Data Transformation
