在 Polars 中，无需借助虚拟分组列即可直接对整个 DataFrame 执行全局聚合，只需在 select() 上下文中使用纯聚合表达式（如 .mean()、.sum()、.first() 等），框架会自动返回单行结果。
在 polars 中，无需借助虚拟分组列即可直接对整个 dataframe 执行全局聚合，只需在 `select()` 上下文中使用纯聚合表达式（如 `.mean()`、`.sum()`、`.first()` 等），框架会自动返回单行结果。
Polars 的设计哲学强调“表达式优先”与“上下文感知”，其中 select() 是一个关键上下文：当 select() 中所有列均为聚合表达式（即不包含任何非聚合的逐行操作）时，Polars 会隐式触发全局聚合（global aggregation），自动将整个 DataFrame 视为一个逻辑组，并输出仅含一行的结果。这正是实现“无 group_by 的 .agg()”的标准、高效且符合惯用法的方式。
相比手动添加 dummy 列再 group_by().agg()，该方法更简洁、零冗余、性能更优——既避免了临时列开销，也绕过了分组哈希计算，底层直接进行单次遍历扫描。
以下是一个完整示例：
import polars as pl
df = pl.DataFrame({
"a": [1, 2, 3, 4, 5],
"b": [0, 0, 1, 1, 1],
"c": ["x", "y", "z", "w", "v"]
})
# ✅ 正确：全部为聚合表达式 → 自动全局聚合，返回 shape: (1, 3)
result = df.select(
pl.col("a").mean().alias("a_mean"),
pl.col("b").sum().alias("b_sum"),
pl.col("c").last().alias("c_last")
)
print(result)输出：
shape: (1, 3) ┌──────────┬───────┬────────┐ │ a_mean ┆ b_sum ┆ c_last │ │ --- ┆ --- ┆ --- │ │ f64 ┆ i64 ┆ str │ ╞══════════╪═══════╪════════╡ │ 3.0 ┆ 3 ┆ v │ └──────────┴───────┴────────┘
⚠️ 注意事项：
- 若 select() 中混入非聚合表达式（例如 pl.col("a") 或 pl.col("a") + 1），Polars 将报错：InvalidOperationError: expected all expressions to be aggregations。这是有意为之的安全机制，确保语义明确。
- 所有支持聚合的 Polars 表达式均可在此使用，包括但不限于：.sum()、.min()、.max()、.std()、.count()、.n_unique()、.quantile(0.5)、.list() 等。
- 如需同时保留部分原始列并聚合其他列，应改用 with_columns() + 聚合表达式（此时聚合结果会广播至原行数），或先聚合再 join —— 但这就不再是“单行输出”场景。
总结：df.select(
