Polars中GroupBy时保留非分组列的实现方法

以下几种方法都能直接实现按['TGT', 'IT']分组取Cd最小值的同时保留SRC列，无需关联去重：

方法1：窗口函数+过滤 #

先给每个分组计算最小Cd，再过滤出对应行，直接保留所有列：

import polars as pl

# 示例DataFrame
df = pl.DataFrame({
    "TGT": ["A", "A", "B"],
    "IT": ["X", "X", "Y"],
    "Cd": [3, 1, 2],
    "SRC": ["S1", "S2", "S3"]
})

result = df.with_columns(
    pl.col("Cd").min().over(["TGT", "IT"]).alias("min_Cd")
).filter(pl.col("Cd") == pl.col("min_Cd")).drop("min_Cd")

如果同一分组内有多个Cd等于最小值的行，这个方法会保留所有匹配行，适合需要全部结果的场景。

方法2：分组聚合时直接关联取对应SRC #

在group_by的agg操作中，直接过滤出当前分组内Cd最小的SRC值：

result = df.group_by(["TGT", "IT"], maintain_order=True).agg(
    pl.col("Cd").min().alias("Cd"),
    pl.col("SRC").filter(pl.col("Cd") == pl.col("Cd").min()).first().alias("SRC")
)

这里用first()取第一个匹配的SRC，如果需要所有匹配值，可换成list()收集。

方法3：排序+去重（最简洁） #

先按分组列和Cd升序排序，再保留每个分组的第一行：

result = df.sort(["TGT", "IT", "Cd"]).unique(["TGT", "IT"], keep="first")

这种方式代码最简洁，适合只需要每个分组内Cd最小的那一行的场景。

内容的提问来源于stack exchange，提问作者Haeden