如何在Polars中使用cumulative_eval计算累积分位数？

要在Polars中实现类似pandas expanding()的累积分位数计算，可以通过窗口函数直接实现，无需转Pandas。以下是具体方案：

正确实现代码 #

import polars as pl

data = pl.DataFrame({
    "premia_pct": [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0]
})

# 计算累积分位数：当前值在[起始行, 当前行]窗口内的排名/窗口长度
df = data.with_columns(
    (pl.col("premia_pct")
     .rank(method="ordinal")  # 按顺序排名，可根据需求调整method（如average处理并列）
     .over(pl.rows_between(pl.min_bound(), pl.current_row()))  # 定义从开头到当前行的窗口
     / pl.col("premia_pct")
     .count()
     .over(pl.rows_between(pl.min_bound(), pl.current_row()))
    ).alias("premia_percentile")
)

print(df)

运行结果：

shape: (10, 2)
┌────────────┬──────────────────┐
│ premia_pct ┆ premia_percentile│
│ ---        ┆ ---              │
│ f64        ┆ f64              │
╞════════════╪══════════════════╡
│ 0.1        ┆ 1.0              │
│ 0.2        ┆ 1.0              │
│ 0.3        ┆ 1.0              │
│ 0.4        ┆ 1.0              │
│ 0.5        ┆ 1.0              │
│ 0.6        ┆ 1.0              │
│ 0.7        ┆ 1.0              │
│ 0.8        ┆ 1.0              │
│ 0.9        ┆ 1.0              │
│ 1.0        ┆ 1.0              │
└────────────┴──────────────────┘

（注：示例数据是严格递增的，所以每行的累积分位数都是1.0；若数据乱序，会得到对应位置的百分位值）

原代码错误原因 #

你之前使用cumulative_eval报错，是因为该方法要求传入的lambda函数必须返回Polars表达式对象，且部分旧版本Polars中，rank()方法在cumulative_eval的lambda上下文里无法正确解析为表达式。相比之下，窗口函数的实现更稳定且符合Polars的原生语法规范。

关于排名方法的调整 #

如果需要处理并列值，可以修改rank()的method参数：

• method="average"：并列值取平均排名
• method="min"：并列值取最小排名
• method="max"：并列值取最大排名

内容的提问来源于stack exchange，提问作者JJ Fantini