如何在Python Polars中实现依赖同列前值的递归计算？

要实现你描述的递推逻辑（第一行返回"A"，后续行继承上一行的Result值），核心是利用Polars的cumulative_eval函数——它专门用于处理需要逐行依赖前序计算结果的场景，完美解决with_columns无法引用未创建列的问题。

基础示例代码 #

假设你的DataFrame结构如下：

import polars as pl

df = pl.DataFrame({
    "Index": [0, 1, 2, 3, 4]
})

生成Result列的代码：

df = df.with_columns(
    # 定义递推规则：索引为0时取"A"，否则取上一行的Result
    pl.when(pl.int_range(0, pl.count()) == 0)
      .then(pl.lit("A"))
      .otherwise(pl.col("Result").shift())
      # 逐行执行递推计算
      .cumulative_eval()
      .alias("Result")
)

执行后输出的DataFrame：

shape: (5, 2)
┌───────┬────────┐
│ Index ┆ Result │
│ ---   ┆ ---    │
│ i64   ┆ str    │
╞═══════╪════════╡
│ 0     ┆ A      │
│ 1     ┆ A      │
│ 2     ┆ A      │
│ 3     ┆ A      │
│ 4     ┆ A      │
└───────┴────────┘

扩展到复杂递推场景 #

如果你的实际需求是更复杂的递推（比如Result[i] = Result[i-1] + str(i)），只需修改otherwise里的逻辑即可：

df = df.with_columns(
    pl.when(pl.int_range(0, pl.count()) == 0)
      .then(pl.lit("A"))
      .otherwise(pl.col("Result").shift() + pl.col("Index").cast(pl.Utf8))
      .cumulative_eval()
      .alias("Result")
)

输出结果：

shape: (5, 2)
┌───────┬────────┐
│ Index ┆ Result │
│ ---   ┆ ---    │
│ i64   ┆ str    │
╞═══════╪════════╡
│ 0     ┆ A      │
│ 1     ┆ A1     │
│ 2     ┆ A12    │
│ 3     ┆ A123   │
│ 4     ┆ A1234  │
└───────┴────────┘

为什么之前的方法无效？ #

你尝试的shift()、rolling()等方法都是基于原始列的静态数据计算，无法引用正在创建的列的动态结果。而cumulative_eval会逐行执行计算，每一步都可以复用前一行的计算结果，完全适配递推逻辑的需求。

内容的提问来源于stack exchange，提问作者Danilo Setton