Polars DataFrame按radial分组求列均值的技术实现咨询

针对你的需求，直接用Polars的group_by+agg组合就能高效完成，以下是具体实现和说明：

核心代码实现 #

假设你的DataFrame变量名为df，执行以下代码即可得到目标结果：

import polars as pl

# 按radial列分组，对所有其他列求均值
result_df = df.group_by('radial').agg(pl.all().mean())

代码解释 #

1. 分组：group_by('radial')会将DataFrame按radial列的唯一值分成若干组，和你提到的partition_by作用类似，但group_by更适合直接做聚合操作。
2. 聚合求均值：agg(pl.all().mean())表示对分组后除radial外的所有列（也就是data_1到data_147000）分别计算均值。pl.all()会自动选中所有非分组列，无需手动列出147000个列名。
3. 结果结构：输出的result_df会保留原有的147201列（radial+所有data_*列），行数等于radial列的唯一值数量，必然不超过原数据的455行。

备选方案（用partition_by） #

如果你更倾向用partition_by，可以先拆分成分组后的DataFrame列表，再逐个求均值后合并：

# 按radial拆分成分组列表
groups = df.partition_by('radial')
# 对每个分组求均值，合并为最终DataFrame
result_df = pl.concat([group.mean() for group in groups])

这种方式适合需要对每个分组做额外处理的场景，但单纯求均值的话，第一种group_by方案效率更高。

内容的提问来源于stack exchange，提问作者sophivar