Polars中是否有row_number或row_count表达式？需窗口函数排序

Polars完全支持类似SQL中ROW_NUMBER()、RANK()的表达式，可直接作为窗口函数配合over()使用，无需依赖DataFrame级别的方法，完美匹配你按客户单日订单排序的需求。

核心用法示例 #

假设你的数据结构包含ID Client、订单日期、订单编号字段，以下是具体实现方式：

1. 生成连续行号（对应SQL的ROW_NUMBER()）

给每个客户单日的订单按编号生成从1开始的连续序号，即使订单编号重复，序号也不会重复：

import polars as pl

df = df.with_columns(
    pl.row_number().over(
        partition_by=["ID Client", "订单日期"],
        order_by="订单编号"
    ).alias("订单排序号")
)

2. 生成带跳跃的排名（对应SQL的RANK()）

相同订单编号会获得相同排名，下一个不同值的排名会跳过中间序号：

df = df.with_columns(
    pl.rank().over(
        partition_by=["ID Client", "订单日期"],
        order_by="订单编号"
    ).alias("订单排名")
)

3. 生成无跳跃的密集排名（对应SQL的DENSE_RANK()）

相同订单编号获得相同排名，下一个不同值的排名直接递增，无跳跃：

df = df.with_columns(
    pl.rank(method="dense").over(
        partition_by=["ID Client", "订单日期"],
        order_by="订单编号"
    ).alias("订单密集排名")
)

补充说明 #

这些都是纯Polars表达式，可在select()、filter()等任意支持表达式的场景中使用，逻辑完全对齐SQL窗口函数的行为，比with_row_index更灵活，能精准实现分组排序后的序号/排名需求。

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