Python中Polars分组聚合时如何拼接组内字符串？

在Polars DataFrame中执行group_by分组聚合，需将每组内指定列的字符串值跨行拼接，示例DataFrame如下：

import polars as pl
df = pl.DataFrame(
    {
        "col1": ["a", "b", "a", "b", "c"],
        "col2": ["val1", "val2", "val1", "val3", "val3"]
    }
)

原DataFrame形态：

shape: (5, 2)
┌──────┬──────┐
│ col1 ┆ col2 │
│ ---  ┆ ---  │
│ str  ┆ str  │
╞══════╪══════╡
│ a    ┆ val1 │
│ b    ┆ val2 │
│ a    ┆ val1 │
│ b    ┆ val3 │
│ c    ┆ val3 │
└──────┴──────┘

期望通过分组聚合得到如下结果：

┌──────┬───────────┐
│ col1 ┆ col2_g    │
│ ---  ┆ ---       │
│ str  ┆ str       │
╞══════╪═══════════╡
│ a    ┆ val1,val1 │
│ b    ┆ val2,val3 │
│ c    ┆ val3      │
└──────┴───────────┘

正确写法 #

对应的聚合函数是list.join，完整代码如下：

df.group_by('col1').agg(
    col2_g = pl.col('col2').list.join(',')
)

无效方法说明 #

• pl.col('col2').list.concat(',')：list.concat用于拼接多个列表对象，而非将列表元素转为字符串拼接，参数应为列表而非分隔符
• pl.col('col2').join(',')：join是Series级别的横向字符串拼接方法，不适用分组后的多行聚合场景
• 若你执行pl.col('col2').list.join(',')无效，大概率是Polars版本过低，建议升级到0.17.0及以上版本，该版本正式引入了list.join方法

内容的提问来源于stack exchange，提问作者HumpbackWhale194