
在 Polars 中,无需先聚合再连接,只需用 over() 窗口函数即可对指定列按分组键计算聚合值(如 sum),并广播回原始 DataFrame 的每一行,保持行数与原始数据一致。
在 polars 中,无需先聚合再连接,只需用 over() 窗口函数即可对指定列按分组键计算聚合值(如 sum),并广播回原始 dataframe 的每一行,保持行数与原始数据一致。
当你需要为每行添加一个“所属组的汇总统计值”(例如每行对应其分组内列 b 的总和),但又必须保留原始行结构(不折叠、不去重、不丢失任何记录)时,窗口函数(Window Function) 是最简洁、高效且符合 Polars 函数式风格的解决方案。
核心语法是:
df.with_columns(
new_col_name = pl.col("target_column").agg_function().over(pl.col("group_column"))
)以你的示例为例:
import polars as pl
df = pl.DataFrame({
"a": ["a", "b", "a", "b", "c"],
"b": [1, 2, 1, 3, 3],
})
result = df.with_columns(
b_sum = pl.col("b").sum().over(pl.col("a"))
)
print(result)输出为:
shape: (5, 3) ┌─────┬─────┬───────┐ │ a ┆ b ┆ b_sum │ │ --- ┆ --- ┆ --- │ │ str ┆ i64 ┆ i64 │ ╞═════╪═════╪═══════╡ │ a ┆ 1 ┆ 2 │ │ b ┆ 2 ┆ 5 │ │ a ┆ 1 ┆ 2 │ │ b ┆ 3 ┆ 5 │ │ c ┆ 3 ┆ 3 │ └─────┴─────┴───────┘
✅ 关键优势:
- 零中间 DataFrame,无显式 join 或 merge;
- 单行表达式,语义清晰(“对 b 求和,按 a 分组广播”);
- 性能优异——Polars 会自动优化窗口计算,避免全量 shuffle。
⚠️ 注意事项:
-
over()中的分组列必须存在于原 DataFrame 中,支持单列或多列(如.over([pl.col("a"), pl.col("c")])); - 所有聚合函数(
.sum(),.mean(),.count(),.first(),.max()等)均可配合over()使用; - 若需重命名新列,推荐直接在
with_columns()中赋值(如b_sum = ...),而非依赖链式.rename(),更直观可靠。
? 进阶提示:你还可以组合多个窗口计算,或与条件逻辑结合,例如:
df.with_columns(
b_sum = pl.col("b").sum().over("a"),
b_avg = pl.col("b").mean().over("a"),
is_above_group_avg = pl.col("b") > pl.col("b").mean().over("a")
)总之,over() 是 Polars 实现“分组聚合 + 行级扩展”的标准范式,应作为替代传统 group_by + join 的首选方案。

















