如何在Polars中按组计算所有前置条目的平均值？

安全阿岳

2026-6-21

解决方案

可以通过分组窗口函数结合累计求和、累计计数来实现需求，代码如下：

import polars as pl

df = pl.from_repr("""
┌──────┬────────┐
│ Name ┆ Number │
│ ---  ┆ ---    │
│ str  ┆ i64    │
╞══════╪════════╡
│ Mr.A ┆ 1      │
│ Mr.A ┆ 4      │
│ Mr.A ┆ 5      │
│ Mr.B ┆ 3      │
│ Mr.B ┆ 5      │
│ Mr.B ┆ 6      │
│ Mr.B ┆ 10     │
└──────┴────────┘
""")

result = df.with_columns(
    pl.when(pl.col("Number").cumcount().over("Name") == 0)
    .then(pl.lit(0.0))
    .otherwise(
        pl.col("Number").cumsum().over("Name").shift(1) 
        / pl.col("Number").cumcount().over("Name")
    )
    .alias("average")
)

print(result)

逻辑说明：

分组累计计数：pl.col("Number").cumcount().over("Name")会在每个Name组内生成从0开始的序号，用来判断是否是组内第一条数据（序号为0时设为0.0）。
前置值累计求和：pl.col("Number").cumsum().over("Name").shift(1)计算组内到当前行之前的所有Number值的总和——cumsum()生成累计和，shift(1)把结果往后挪一行，刚好对应当前行之前的总和。
计算平均值：用前置总和除以累计计数（也就是前面的条目数量），得到要求的平均值。