如何将多列多行数据合并为Polars结构体（字典）

方法一：聚合+字典转换（通用场景） #

通过分组聚合将每组的label和indicator转换为字典结构体，再输出JSON Lines：

import polars as pl

df = pl.DataFrame({
    "group_id": ["a", "a", "a", "b", "b", "b"],
    "label": ["dog", "cat", "mouse", "dog", "cat", "mouse"],
    "indicator": [1, 1, 0, 0, 0, 1]
})

# 转换为嵌套结构
result = (
    df
    .group_by("group_id")
    .agg(
        # 将每组的label和indicator打包为结构体数组，再转换为字典
        pl.struct("label", "indicator")
        .map_elements(lambda items: {item["label"]: item["indicator"] for item in items}, return_dtype=pl.Object)
        .alias("label")
    )
)

# 输出JSON Lines格式数据
print(result.write_ndjson())

方法二：透视+结构体打包（高效矢量化操作） #

由于所有分组的标签集合一致，推荐使用pivot结合row_to_structs的矢量化方案，性能更优：

result = (
    df
    .pivot(
        index="group_id",
        columns="label",
        values="indicator"
    )
    # 将透视后的列打包为名为label的结构体
    .row_to_structs(output_col="label", exclude=["group_id"])
)

print(result.write_ndjson())

结果验证 #

• 查看转换后的DataFrame结构：

  print(result)
  

  输出与目标结构一致：

  ┌──────────┬───────────┐
  │ group_id ┆ label     │
  │ ---      ┆ ---       │
  │ str      ┆ struct[3] │
  ╞══════════╪═══════════╡
  │ a        ┆ {1,1,0}   │
  │ b        ┆ {0,0,1}   │
  └──────────┴───────────┘
  

• 查看单个字典内容：

  print(result["label"][0])
  

  输出：{'dog': 1, 'cat': 1, 'mouse': 0}

• 最终JSON Lines输出：

  {"group_id":"a","label":{"dog":1,"cat":1,"mouse":0}}
  {"group_id":"b","label":{"dog":0,"cat":0,"mouse":1}}
  

内容的提问来源于stack exchange，提问作者andybega