如何在Polars中实现类似Pandas的按列值Unstack数据框操作？

直接给出对应Polars实现代码：

import polars as pl

df = pl.DataFrame({
    "left": ["One", "One", "One", "One", "Two"],
    "center": ["P", "P", "I", "I", "I"],
    "right": [100, 100, 100, 100, 100]
})

result = (
    df
    .group_by(["left", "center"], maintain_order=True)
    .agg(pl.col("right").sum())
    .pivot(
        index="left",
        columns="center",
        values="right",
        aggregate_function=None,
        fill_value=0
    )
)

print(result)

代码对应逻辑说明 #

• 分组求和：和你熟悉的Pandas groupby(["left", "center"])["right"].sum()逻辑一致，Polars通过group_by(["left", "center"]).agg(pl.col("right").sum())完成分组聚合求和。加上maintain_order=True是为了保留left列的原始顺序，和示例预期输出匹配。
• Unstack转置：Pandas中的unstack(fill_value=0)对应Polars的pivot方法：
  • index="left"：指定作为行标识的列（对应unstack后保留的索引列）
  • columns="center"：指定要转为列的字段（对应unstack的层级）
  • values="right"：指定填充到新列中的数值
  • aggregate_function=None：因为分组后已经是唯一的left+center组合，无需再次聚合
  • fill_value=0：填补不存在的组合值，作用和Pandas的fill_value完全相同

简化写法 #

如果不需要严格保留原始顺序，还可以去掉maintain_order=True，代码更简洁：

result = df.group_by(["left", "center"]).sum().pivot(index="left", columns="center", values="right", fill_value=0)

运行后会得到和预期完全一致的输出：

shape: (2, 3)
┌──────┬─────┬─────┐
│ left ┆ P   ┆ I   │
│ ---  ┆ --- ┆ --- │
│ str  ┆ i64 ┆ i64 │
╞══════╪═════╪═════╡
│ One  ┆ 200 ┆ 200 │
│ Two  ┆ 0   ┆ 100 │
└──────┴─────┴─────┘

内容的提问来源于stack exchange，提问作者Zedi10