Polars库shift()函数问题：无法填充同Invoice的Operation字段

问题场景 #

需要实现：当Invoice字段与上一行不同时，调用my_func()生成唯一的Operation值；同一Invoice的所有后续行复用该值。但原脚本使用shift()的方式未达到预期，同Invoice的后续Operation字段为空。

原代码问题分析 #

原代码的核心问题：

• 初始Operation列全为空字符串，使用shift()后仍为空，导致otherwise分支无法获取有效值
• 用map_elements逐行调用my_func()不仅效率低，也不符合“每个Invoice仅生成一次唯一值”的需求
• 依赖行偏移的逻辑无法处理分组内的批量赋值，Polars更适合用分组+广播的方式实现这类需求

解决方案 #

方法1：分组+Transform（推荐） #

利用Polars的group_by+transform，在每个Invoice分组内仅生成一次唯一值，然后自动广播到组内所有行，代码简洁高效：

import polars as pl
from faker import Faker
from datetime import date  # 原代码遗漏该导入，需补上

fake = Faker(locale='fr_FR')

def my_func():
    operation = fake.unique.pystr_format(
        string_format='??###', 
        letters='abcdefghijklmnopqrstuvwxyz').upper()
    
    return operation

my_df = pl.DataFrame({
    "Date":[date(2023, 1, 2), date(2023, 1, 2), date(2023, 1, 2),
            date(2023, 3, 5), date(2023, 3, 17), date(2023, 3, 17), 
            date(2023, 3, 17), date(2023, 3, 17), date(2023, 5, 1),
            date(2023, 5, 17), date(2023, 5, 17), date(2023, 5, 17)],
    "Invoice":['001', '001', '001', '002', 
               '003', '003', '003', '003',
               '004', '005', '005', '005'],
    "Amount":[250, 250, 250, 300, 
              450, 450, 450, 450, 
              500, 650, 650, 650],
})

# 直接生成Operation列，无需预先创建空列
result_df = my_df.with_columns(
    Operation=pl.col("Invoice").group_by("Invoice").transform(
        lambda group: pl.Series([my_func()] * len(group))
    )
)

print(result_df)

方法2：创建映射表后Join #

先为每个唯一的Invoice生成对应的Operation，再通过join将值映射回原表，适合需要单独保存映射关系的场景：

# 生成Invoice与Operation的映射表
invoice_map = my_df.select("Invoice").unique().with_columns(
    Operation=pl.col("Invoice").map_elements(lambda _: my_func())
)

# 关联回原表
result_df = my_df.join(invoice_map, on="Invoice", how="left")

效果说明 #

两种方法都能实现：每个唯一的Invoice对应一个唯一的Operation值，同一Invoice的所有行共享该值，解决了原脚本中空值的问题。

内容的提问来源于stack exchange，提问作者Laurent Reynaud