在Polars中按周分组，自动对列聚合min/max/avg并生成列表值

完全可以实现，无需手动指定列名，Polars提供了灵活的动态列选择和表达式组合能力，以下是具体实现方式：

核心思路 #

1. 自动筛选目标列：排除不需要聚合的ts（时间戳）和week列，仅保留传感器数值列
2. 批量生成聚合表达式：对每个目标列，一次性计算min、max、mean三个指标，并将结果打包为列表

代码实现 #

方式1：通过列名筛选（直观可控） #

import polars as pl

# 示例DataFrame（模拟你的数据结构）
df = pl.DataFrame({
    "ts": pl.date_range(start="2024-01-01", end="2024-01-14", interval="1d"),
    "646150": pl.randn(14),
    "646151": pl.randn(14),
    "week": pl.date_range(start="2024-01-01", end="2024-01-14", interval="1d").dt.week()
})

# 自动聚合逻辑
result = df.group_by("week").agg(
    [
        # 对每个传感器列，将min/max/mean打包为列表
        pl.struct([pl.col(col).min(), pl.col(col).max(), pl.col(col).mean()]).to_list().alias(col)
        for col in df.columns if col not in ["ts", "week"]
    ]
)

print(result)

方式2：通过排除列动态选择（更简洁） #

直接使用pl.exclude排除非目标列，无需手动遍历列名，适配任意数量的传感器列：

result = df.group_by("week").agg(
    pl.col(pl.exclude("ts", "week")).map(
        lambda s: pl.struct([s.min(), s.max(), s.mean()]).to_list()
    )
)

结果说明 #

执行后，每个传感器列的单元格会以[最小值, 最大值, 平均值]的列表形式存储对应周的聚合结果，完全满足无需手动指定列名的需求。

内容的提问来源于stack exchange，提问作者Glenn Pierce