本文介绍如何在 Polars 中为每个以 "Life" 开头、以 "Death" 结尾的连续数据段，提取指定列（如 Column A）的最大值，并仅将该值填充至对应 "Life" 行的新增列中，其余行置为 null。
本文介绍如何在 polars 中为每个以 "life" 开头、以 "death" 结尾的连续数据段，提取指定列（如 `column a`）的最大值，并仅将该值填充至对应 "life" 行的新增列中，其余行置为 `null`。
在 Polars 中实现“区间最大值映射”——即对由特定标记（如 "Life" 起始、"Death" 终止）界定的逻辑子段，分别计算某列的最大值并仅赋给起始行——不能直接使用常规窗口函数，而需通过构造分组标识（group ID）+ 分组聚合 + 条件赋值三步完成。其核心在于：将非连续的语义区间（Life → … → Death）转化为可被 .over() 操作识别的数值分组标签。
✅ 解决思路拆解
- 识别关键事件行：用布尔表达式标记 "Life" 和 "Death" 出现的位置；
- 构建累积分组号：利用 .cum_sum() 生成随每个 "Life" 或 "Death" 递增的序列，再通过 .forward_fill() 填充空值，形成初步分组；
- 修正分组边界：因 "Death" 行本身不属于当前 Life 区间，需将其 group_id 向前平移（.shift()），使整个 Life→Death 区间（含中间 null 行）共享同一 ID；
- 条件聚合与赋值：仅对 "Life" 行应用 .max().over(group_id)，其余行保持 null。
? 完整代码实现
import polars as pl
df = pl.DataFrame({
"Column A": [2, 3, 1, 4, 1, 3, 3, 2, 1, 0],
"Column B": ["Life", None, None, None, "Death", None, "Life", None, None, "Death"]
})
# 步骤 1：定义事件布尔列
is_life = pl.col("Column B") == "Life"
is_death = pl.col("Column B") == "Death"
# 步骤 2 & 3：构造精准 group_id（自动对齐 Life-Death 区间）
group_id = (
(is_life.cum_sum() + is_death.cum_sum())
.forward_fill()
.fill_null(0) # 防止首行为 null 导致 fill 失败（可选）
)
group_id = pl.when(is_death).then(group_id.shift()).otherwise(group_id)
# 步骤 4：仅在 Life 行注入区间最大值，生成 Column C
result = df.with_columns(
pl.when(is_life)
.then(pl.col("Column A").max().over(group_id))
.alias("Column C")
)
print(result)输出结果：
shape: (10, 3) ┌──────────┬──────────┬──────────┐ │ Column A ┆ Column B ┆ Column C │ │ --- ┆ --- ┆ --- │ │ i64 ┆ str ┆ i64 │ ╞══════════╪══════════╪══════════╡ │ 2 ┆ Life ┆ 4 │ │ 3 ┆ null ┆ null │ │ 1 ┆ null ┆ null │ │ 4 ┆ null ┆ null │ │ 1 ┆ Death ┆ null │ │ 3 ┆ null ┆ null │ │ 3 ┆ Life ┆ 3 │ │ 2 ┆ null ┆ null │ │ 1 ┆ null ┆ null │ │ 0 ┆ Death ┆ null │ └──────────┴──────────┴──────────┘
⚠️ 注意事项与最佳实践
- forward_fill() 必不可少：原始 cum_sum() 在 null 行处会生成 null，必须填充才能参与后续算术运算；
- shift() 默认向前移位：.shift() 将当前行的 group_id 替换为上一行值，确保 "Death" 行不开启新区间；
- 避免整列 .max() 泄露：务必使用 .over(group_id) 实现分组内聚合，否则会计算全列最大值；
- 类型一致性：若 Column A 为浮点型，.max() 返回 f64；若需统一为 f64 输出（如示例目标），可显式 .cast(pl.Float64)；
- 扩展性提示：该模式可轻松适配其他起止标记（如 "Start"/"End"）、多列聚合（.agg([pl.col("A").max(), pl.col("B").first()])），或结合 .map_batches() 处理更复杂逻辑。
此方法完全向量化、无 Python 循环，符合 Polars 高性能设计哲学，适用于百万级数据的高效区间分析场景。
