Polars中如何用单个表达式实现二阶聚合操作？

原始DataFrame #

import polars as pl

df = pl.DataFrame({'a':[1,1,1,1,2,2,2,2],'b':[1,2,1,2,1,2,1,2],'c':[10,11,12,13,14,15,18,17]})
print(df)

输出：

shape: (8, 3)
┌─────┬─────┬─────┐
│ a   ┆ b   ┆ c   │
│ --- ┆ --- ┆ --- │
│ i64 ┆ i64 ┆ i64 │
╞═════╪═════╪═════╡
│ 1   ┆ 1   ┆ 10  │
│ 1   ┆ 2   ┆ 11  │
│ 1   ┆ 1   ┆ 12  │
│ 1   ┆ 2   ┆ 13  │
│ 2   ┆ 1   ┆ 14  │
│ 2   ┆ 2   ┆ 15  │
│ 2   ┆ 1   ┆ 18  │
│ 2   ┆ 2   ┆ 17  │
└─────┴─────┴─────┘

需求说明 #

按列a分组后，每个组内再按列b进行二级分组，取每个二级分组的最后一个c值，再求这些值的最大值。

当前两步实现代码 #

df.with_columns(pl.col("c").last().over(["a", "b"])).group_by(pl.col("a")).agg(pl.col("c").max())

输出：

shape: (2, 2)
┌─────┬─────┐
│ a   ┆ c   │
│ --- ┆ --- │
│ i64 ┆ i64 │
╞═════╪═════╡
│ 2   ┆ 18  │
│ 1   ┆ 13  │
└─────┴─────┘

单表达式实现方案 #

可以利用Polars的嵌套表达式能力，直接在group_by.agg中完成所有计算，无需额外的with_columns步骤：

写法1（简洁版） #

df.group_by("a").agg(
    pl.col("c").last().over("b").max()
)

写法2（明确分组范围版） #

如果需要更清晰地指定二级分组的范围（确保b的分组是在a的组内生效），可以显式写出完整的窗口分组键：

df.group_by("a").agg(
    pl.col("c").last().over(["a", "b"]).max()
)

两种写法都能得到和两步法完全一致的结果，核心是将原本在with_columns中计算的窗口逻辑直接嵌入到聚合操作里，利用Polars对嵌套表达式的支持完成一次计算。

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