本文介绍如何在 Polars 中对多个数值列（如 x、y）在 group_by 后统一应用基于其他列（如 num_obs）的加权聚合，避免重复代码，并支持同时添加其他独立聚合（如求和、计数等）。
本文介绍如何在 polars 中对多个数值列（如 `x`、`y`）在 `group_by` 后统一应用基于其他列（如 `num_obs`）的加权聚合，避免重复代码，并支持同时添加其他独立聚合（如求和、计数等）。
在 Polars 中，当需要对多个列执行结构相同的聚合逻辑（例如：按 num_obs 加权求平均），无需逐列编写表达式或使用 Python 循环生成表达式列表。Polars 的 pl.col() 支持传入字符串列表，配合向量化运算，可天然实现“批量列操作”。
以示例数据为例：
import polars as pl
df = pl.DataFrame({
'group': [1, 1, 2, 2],
'other': ['a', 'b', 'a', 'b'],
'num_obs': [10, 5, 20, 10],
'x': [1, 2, 3, 4],
'y': [5, 6, 7, 8],
})目标是：按 'group' 分组，对 'x' 和 'y' 分别计算加权平均（权重为 'num_obs'），并同时汇总 'num_obs' 的总和。
✅ 推荐写法（简洁、高效、可扩展）：
result = df.group_by('group').agg(
# 对 x 和 y 批量应用加权平均：(col * num_obs).sum() / num_obs.sum()
(pl.col('x', 'y') * pl.col('num_obs')).sum() / pl.col('num_obs').sum(),
# 同时添加其他独立聚合
pl.col('num_obs').sum().alias('total_num_obs'),
)
print(result)输出：
shape: (2, 4) ┌───────┬──────────┬──────────┬─────────────────┐ │ group ┆ x ┆ y ┆ total_num_obs │ │ --- ┆ --- ┆ --- ┆ --- │ │ i64 ┆ f64 ┆ f64 ┆ i64 │ ╞═══════╪══════════╪══════════╪═════════════════╡ │ 1 ┆ 1.333333 ┆ 5.333333 ┆ 15 │ │ 2 ┆ 3.333333 ┆ 7.333333 ┆ 30 │ └───────┴──────────┴──────────┴─────────────────┘
? 原理说明：
- pl.col('x', 'y') 返回一个 列选择表达式序列，后续所有操作（如 *、.sum()）会自动广播到每个匹配列，等价于分别对 x 和 y 执行 (x * num_obs).sum() 和 (y * num_obs).sum()；
- 整个表达式 (pl.col('x','y') * pl.col('num_obs')).sum() / pl.col('num_obs').sum() 是纯惰性表达式，完全由 Polars 查询引擎优化执行，无 Python 层循环开销；
- 可自由混用其他聚合（如 pl.col('other').n_unique()、pl.count() 等），各表达式独立解析、并行计算。
⚠️ 注意事项：
- 列名必须全部存在且类型兼容（如 num_obs 需为数值型，否则 * 运算报错）；
- 若需对不同列应用不同权重逻辑，则仍需显式列出各列表达式；
- pl.col() 接收元组/列表均可（pl.col(['x','y']) 效果一致），但推荐用括号语法更清晰；
- 如需重命名结果列，建议使用 .alias() 显式指定（如上例中 total_num_obs），避免默认列名歧义。
? 进阶提示：该模式同样适用于其他批量聚合场景，例如：
- 标准化：(pl.col('x','y') - pl.col('x','y').mean()).std()
- 条件加权：(pl.when(pl.col('other') == 'a').then(pl.col('x','y')).otherwise(0) * pl.col('num_obs')).sum()
综上，利用 pl.col(col_names) 批量选择 + 向量化表达式，是 Polars 中实现多列统一自定义聚合最简洁、高性能且符合惯用法的方式。
