如何在Polars中对不同形状的多个DataFrame求和

针对你需要将多个不同形状的Polars DataFrame按index列补全缺失行、缺失列填0后求和的需求，这里提供两种更简洁的实现方式：

方法一：对齐后直接相加 #

利用pl.align_frames一次性完成行、列的对齐和缺失值填充，再通过reduce直接对对齐后的DataFrame求和：

import polars as pl
from functools import reduce

# 输入DataFrame
a = pl.DataFrame(
    data={"index": [1, 2, 3], "col_1": [1, 0, 0], "col_2": [1, 1, 1]}
)
b = pl.DataFrame(
    data={"index": [1, 2, 3], "col_1": [1, 1, 1], "col_2": [1, 1, 1]}
)
c = pl.DataFrame(
    data={"index": [1, 4, 5], "col_1": [10, 10, 10], "col_3": [1, 1, 1]}
)

# 核心实现
aligned_dfs = pl.align_frames(a, b, c, on="index", fill_value=0)
result = reduce(pl.DataFrame.__add__, aligned_dfs)

print(result)

步骤说明： #

1. pl.align_frames(a, b, c, on="index", fill_value=0)：自动收集所有输入DataFrame的index值和列名，生成结构完全一致的DataFrame集合，缺失的行/列单元格填充为0，替代了原方案中手动遍历补列的繁琐操作。
2. reduce(pl.DataFrame.__add__, aligned_dfs)：对所有对齐后的DataFrame按列名逐元素相加，直接得到求和结果。

方法二：合并后分组求和 #

如果更习惯分组操作的逻辑，也可以先合并对齐后的DataFrame，再按index分组求和：

import polars as pl

# 输入DataFrame同方法一

aligned_dfs = pl.align_frames(a, b, c, on="index", fill_value=0)
result = pl.concat(aligned_dfs).group_by("index", maintain_order=True).sum()

print(result)

步骤说明： #

1. 同样用pl.align_frames完成对齐和填充。
2. pl.concat(aligned_dfs)将所有对齐后的DataFrame纵向合并为一个大表。
3. group_by("index", maintain_order=True).sum()按index分组求和，maintain_order=True用于保留index的出现顺序（可根据需求省略）。

两种方法都能得到符合预期的结果，且代码量远少于原方案，逻辑更清晰。

内容的提问来源于stack exchange，提问作者thoera