无需逐个指定列，为Polars部分列添加总计行（其余设为null）

首先给出原始DataFrame：

import polars as pl

df = pl.DataFrame(dict(
  j=[2, 7, 1, 8],
  k=[False, True, True, False],
  l=['foo', 'bar', 'quux', 'bin'],
  u=[5.0, 8.0, 13.0, 21.0],
))

输出：

shape: (4, 4)
┌─────┬───────┬──────┬──────┐
│ j   ┆ k     ┆ l    ┆ u    │
│ --- ┆ ---   ┆ ---  ┆ ---  │
│ i64 ┆ bool  ┆ str  ┆ f64  │
╞═════╪═══════╪══════╪══════╡
│ 2   ┆ false ┆ foo  ┆ 5.0  │
│ 7   ┆ true  ┆ bar  ┆ 8.0  │
│ 1   ┆ true  ┆ quux ┆ 13.0 │
│ 8   ┆ false ┆ bin  ┆ 21.0 │
└─────┴───────┴──────┴──────┘

我们需要生成仅部分列求和、其余列设为None的总计行，再通过pl.concat合并到原DataFrame，且保持列顺序。以下针对两种场景给出批量处理方案：

场景1：按特定数据类型列求和 #

比如对所有数值类型（i64、f64）的列求和，其他类型列设为None。可以利用Polars的列选择器批量处理，同时保留原列顺序：

# 定义需要求和的类型
numeric_dtypes = [pl.Int64, pl.Float64]

# 生成总计行
df_sum_by_dtype = df.select(
    [
        pl.col(col).sum() if pl.col(col).dtype in numeric_dtypes else pl.lit(None).alias(col)
        for col in df.columns
    ]
)

# 合并原DataFrame与总计行
result_by_dtype = pl.concat([df, df_sum_by_dtype])
print(result_by_dtype)

输出：

shape: (5, 4)
┌─────┬───────┬──────┬──────┐
│ j   ┆ k     ┆ l    ┆ u    │
│ --- ┆ ---   ┆ ---  ┆ ---  │
│ i64 ┆ bool  ┆ str  ┆ f64  │
╞═════╪═══════╪══════╪══════╡
│ 2   ┆ false ┆ foo  ┆ 5.0  │
│ 7   ┆ true  ┆ bar  ┆ 8.0  │
│ 1   ┆ true  ┆ quux ┆ 13.0 │
│ 8   ┆ false ┆ bin  ┆ 21.0 │
│ 18  ┆ null  ┆ null ┆ 47.0 │
└─────┴───────┴──────┴──────┘

场景2：按特定列名求和 #

比如指定列名['j', 'u']进行求和，其余列设为None，同样批量处理：

# 定义需要求和的列名
sum_cols = ['j', 'u']

# 生成总计行
df_sum_by_names = df.select(
    [
        pl.col(col).sum() if col in sum_cols else pl.lit(None).alias(col)
        for col in df.columns
    ]
)

# 合并原DataFrame与总计行
result_by_names = pl.concat([df, df_sum_by_names])
print(result_by_names)

输出与场景1的最终结果一致。

更简洁的写法（利用Polars的when语法） #

也可以用pl.when来简化列处理逻辑，以场景2为例：

df_sum_by_names = df.select(
    pl.col('*').when(pl.col('*').name.is_in(sum_cols)).then(pl.col('*').sum()).otherwise(None)
)

这种写法无需遍历列名，同样能保持原列顺序，生成相同的总计行。

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