在Polars中如何实现唯一行累计计数？现有方法结果不符

你的代码逻辑是对每个由A,B,C,D组成的唯一分组，按行的出现顺序生成从1开始的累计计数，这也是cum_count().over(['A','B','C','D'])的默认行为——在每个分组内，从第一行到最后一行依次累加计数，所以会得到你给出的expected列结果。

你忽略的核心点是：cum_count().over(...)的累计范围是分组内的所有行，而你想要的actual列结果，只有(1,0,0,0)这个分组的计数不符合常规累计逻辑（第二次出现仍为1，第三次才变为2），其他分组（如(1,1,0,0)）的计数和常规累计一致。

常规唯一行累计计数（对应你的expected列） #

如果你的真实需求是统计到当前行为止，每个唯一行的出现次数，那你的代码是正确的，可简化为无需额外的ones列：

df = df.with_columns(
    pl.cum_count().over(['A', 'B', 'C', 'D']).alias("cum_count")
)

匹配actual列的特殊逻辑 #

如果确实需要得到actual列的结果，结合现有数据来看，唯一的特殊规则仅针对(1,0,0,0)分组，这可能是笔误。如果是想要连续重复行每两次才增加计数，可使用以下代码，但注意这仅匹配你给出的actual列部分结果：

df = df.with_columns(
    cum_count=pl.cum_count().over(['A', 'B', 'C', 'D']),
    actual=pl.when(pl.struct(['A','B','C','D']) == (1,0,0,0))
             .then(((pl.col('cum_count') +1)//2))
             .otherwise(pl.col('cum_count'))
)

补充说明 #

Polars的窗口函数over默认会保留原DataFrame的行顺序，分组内的cum_count是按行出现的先后顺序累加的，这符合常规的“唯一行累计计数”需求。如果你的actual列是预期结果，建议重新确认需求描述或数据是否存在笔误。

内容的提问来源于stack exchange，提问作者schoon