Polars中GroupBy自定义众数函数及空值兼容问题求助

当你尝试用Polars窗口函数计算分组众数时：

df.with_columns(pl.col("X").mode().over(['Y', 'Z']).name.prefix("mode_"))

因列X包含空值出现报错：

ComputeError: the length of the window expression did not match that of the group

本质原因是：若分组内X的所有值都是空值，mode()会返回空Series，窗口函数要求每个分组返回单个值，空Series无法匹配分组行数，导致报错。以下是两种可行解决方案：

方案一：自定义函数+分组聚合关联 #

适合需要复杂逻辑的场景，用Python自定义函数处理众数逻辑：

import polars as pl

def custom_mode(x):
    filtered = x.drop_nulls()
    if not filtered:
        return None
    mode_result = filtered.mode()
    return mode_result[0] if mode_result else None

# 先分组计算众数
mode_agg = df.group_by(['Y', 'Z']).agg(
    pl.col("X").map_elements(custom_mode).alias("mode_X")
)

# 关联回原表保留所有行
result_df = df.join(mode_agg, on=['Y', 'Z'], how="left")

方案二：Polars内置函数优化（推荐） #

用Polars原生方法替代Python UDF，性能更优，且无需手动处理空值逻辑：

result_df = df.with_columns(
    pl.col("X")
    .drop_nulls()  # 过滤分组内的空值
    .mode()        # 计算众数
    .first()       # 取第一个众数，无众数时返回null
    .over(['Y', 'Z'])
    .alias("mode_X")
)

这个方案中，drop_nulls()先移除分组内的空值，若分组内全为空则mode()返回空Series，first()会自动将空Series转为null，完美匹配窗口函数的长度要求，同时实现了"有众数返回众数，无则返回None"的需求。

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