本文介绍如何在 polars 中将具有相同前缀（如 `a_0`, `a_1`, `a_2`）的多列纵向堆叠为单列（如 `a`），同时自动复制其他非模式列（如 `words`, `groups`）以匹配扩展后的行数，实现高效、可扩展的“宽转长+重排”操作。
要实现题目中描述的变换——即把 a_0, a_1, a_2 按列顺序垂直拼接成一列 a，同理拼接 b_0, b_1, b_2 成 b，并让 words 和 groups 等“标识列”按需重复（每个原始值重复 m=3 次，对应每组 a_*/b_* 列的数量），核心思路是：利用 unpivot 打散结构 → 提取前缀作为新分组键 → 构建跨列一致的索引 → 用 pivot 重构为长格式。
以下是完整、健壮的解决方案：
import polars as pl
import numpy as np
import string
# 构造示例数据（同题）
rng = np.random.default_rng(42)
nr = 3
letters = list(string.ascii_letters)
uppercase = list(string.ascii_uppercase)
words, groups = [], []
for i in range(nr):
word = ''.join([rng.choice(letters) for _ in range(rng.integers(3, 20))])
words.append(word)
group = rng.choice(uppercase)
groups.append(group)
df = pl.DataFrame({
"a_0": np.linspace(0, 1, nr),
"a_1": np.linspace(1, 2, nr),
"a_2": np.linspace(2, 3, nr),
"b_0": np.random.rand(nr),
"b_1": 2 * np.random.rand(nr),
"b_2": 3 * np.random.rand(nr),
"words": words,
"groups": groups,
})
# ✅ 核心转换：宽→长 + 前缀归并 + 重复对齐
result = (
df
.unpivot(
index=["words", "groups"], # 保留为标识列，不参与展开
on=[col for col in df.columns if "_" in col] # 显式指定待展开列（更安全）
)
.with_columns(
pl.col("variable").str.replace(r"_\d+$", "") # 提取前缀：a_0 → "a", b_1 → "b"
)
.with_columns(
index = pl.int_range(0, pl.len()).over("variable") # 每个前缀组内独立编号：[0,1,2] 循环
)
.pivot(
on="variable",
index=["index", "words", "groups"],
values="value",
aggregate_function=None # 禁用聚合，确保一对一映射
)
.drop("index") # 移除临时索引列
)
print(result)输出结果与预期完全一致（shape: (9, 4)）：
shape: (9, 4) ┌─────────────────┬────────┬─────┬──────────┐ │ words ┆ groups ┆ a ┆ b │ │ --- ┆ --- ┆ --- ┆ --- │ │ str ┆ str ┆ f64 ┆ f64 │ ╞═════════════════╪════════╪═════╪══════════╡ │ OIww ┆ W ┆ 0.0 ┆ 0.653892 │ │ KkeB ┆ Z ┆ 0.5 ┆ 0.408888 │ │ NLOAgRxAtjWOHuQ ┆ O ┆ 1.0 ┆ 0.423949 │ │ OIww ┆ W ┆ 1.0 ┆ 0.234362 │ │ KkeB ┆ Z ┆ 1.5 ┆ 0.213767 │ │ NLOAgRxAtjWOHuQ ┆ O ┆ 2.0 ┆ 0.646378 │ │ OIww ┆ W ┆ 2.0 ┆ 0.880558 │ │ KkeB ┆ Z ┆ 2.5 ┆ 1.833025 │ │ NLOAgRxAtjWOHuQ ┆ O ┆ 3.0 ┆ 0.116173 │ └─────────────────┴────────┴─────┴──────────┘
关键要点说明：
- unpivot(index=...) 是起点：它将所有非 index 列（即 a_0, a_1, ...）转为两列 variable（原列名）和 value（原值），同时自动广播 words/groups 到每一行，为后续重复打下基础。
- 正则提取前缀：str.replace(r"_\d+$", "") 安全地剥离末尾 _数字（支持 _10, _99 等），比 "_.*" 更精确，避免误删含下划线的合法前缀。
- over("variable") 构建组内序号：确保 a_0, a_1, a_2 的值在 index=0,1,2 下严格对齐，这是实现“先列0全部、再列1全部…”顺序的核心。
- pivot(..., aggregate_function=None)：显式禁用聚合（默认为 first），防止因重复 index+words+groups 组合导致意外丢值；Polars 1.0+ 支持此参数，推荐使用。
- 健壮性增强：通过 on=[...] 显式指定待展开列，避免误处理未来新增的 c_0 或 meta_info 等非模式列。
⚠️ 注意：若列名模式更复杂（如 a_x, a_y, a_z），只需调整正则表达式（如 r"_\w+$"）并确保 unpivot.on 范围准确。该方案天然支持任意数量的前缀组（a_*, b_*, c_*…）和任意列数，时间复杂度为线性，适合大规模数据处理。
