Python-Polars中Group By后如何拼接去重字符串？

要实现分组后对指定列的字符串进行去重拼接，直接使用Polars内置的str.concat_distinct()聚合函数即可，它会自动完成分组内的去重与拼接操作。

完整实现代码 #

import polars as pl

# 构造示例DataFrame
df = pl.DataFrame(
    {
        "col1": ["a", "b", "a", "b", "c"],
        "col2": ["val1", "val2", "val1", "val3", "val3"]
    }
)

# 分组聚合：对col2去重后拼接
result_df = df.group_by("col1").agg(
    pl.col("col2").str.concat_distinct(separator=",").alias("col2_g")
)

print(result_df)

输出结果 #

shape: (3, 2)
┌──────┬───────────┐
│ col1 ┆ col2_g    │
│ ---  ┆ ---       │
│ str  ┆ str       │
╞══════╪═══════════╡
│ a    ┆ val1      │
│ b    ┆ val2,val3 │
│ c    ┆ val3      │
└──────┴───────────┘

关键逻辑说明 #

• group_by("col1")：按col1列的值进行分组
• pl.col("col2").str.concat_distinct(separator=",")：针对每组的col2列，先自动去重重复的字符串值，再用指定分隔符（此处为逗号）拼接成单个字符串
• .alias("col2_g")：为聚合后的列重命名，提升结果可读性

扩展：带排序的去重拼接 #

如果需要对去重后的字符串先排序再拼接，可以结合unique()和str.concat()实现：

result_df = df.group_by("col1").agg(
    pl.col("col2").unique().sort().str.concat(separator=",").alias("col2_g")
)

这种写法适合需要控制拼接顺序的场景，输出结果会保持排序后的字符串顺序。

内容的提问来源于stack exchange，提问作者Ouakrat