在Polars的.agg()等列级上下文中使用.filter()的最佳惯用方式

在Polars的agg、groupby、with_columns、select这类列表达式上下文里，操作核心是列级别的逻辑计算，而非整个DataFrame的行过滤，惯用的filter使用方式及注意事项如下：

1. 正确的调用形式 #

必须通过pl.col("列名").filter(过滤条件)的方式使用——这里的.filter()是列表达式的专属方法，作用是在当前列的范围内筛选满足条件的行子集，再执行后续聚合或计算逻辑。

比如计算Lower_CVaR和Upper_CVaR的基础示例：

import polars as pl

# 示例数据集
df = pl.DataFrame({
    "Group": ["A", "A", "B", "B"],
    "Excess_Return": [0.05, -0.02, -0.03, 0.04]
})

# 列上下文内使用filter的基础写法
result = df.groupby("Group").agg(
    Lower_CVaR=pl.col("Excess_Return").filter(pl.col("Excess_Return") < 0).mean(),
    Upper_CVaR=pl.col("Excess_Return").filter(pl.col("Excess_Return") > 0).mean()
)

2. 避免重复书写列名的技巧 #

不需要每次都重复写列名，可以先将列表达式赋值给变量，再复用变量简化代码：

# 定义列表达式变量
excess_ret = pl.col("Excess_Return")

# 复用变量，减少重复代码
result = df.groupby("Group").agg(
    Lower_CVaR=excess_ret.filter(excess_ret < 0).mean(),
    Upper_CVaR=excess_ret.filter(excess_ret > 0).mean()
)

3. 为什么pl.filter/df.filter无效？ #

• df.filter()是DataFrame级别的方法，作用是过滤整个数据集的行，返回新的DataFrame，无法嵌入到agg这类需要单个列计算逻辑的上下文里。
• pl.filter()是全局过滤函数，同样针对整个数据集的行过滤，而非单个列的子集操作，因此不适用于列级聚合场景。

补充：简单场景的替代写法 #

如果逻辑简单，也可以用pl.when().then().otherwise()配合聚合，但对于“筛选子集后计算”的场景，col.filter()的语义更直接：

result = df.groupby("Group").agg(
    Lower_CVaR=pl.when(pl.col("Excess_Return") < 0).then(pl.col("Excess_Return")).mean(),
    Upper_CVaR=pl.when(pl.col("Excess_Return") > 0).then(pl.col("Excess_Return")).mean()
)

内容的提问来源于stack exchange，提问作者Danielle