Python Polars分组聚合拼接列值报错，求非lambda/map_groups优化方案

错误原因 #

你用Python原生的';'.join()方法处理Polars表达式对象是行不通的——str.join()只能接收可迭代的Python对象（比如列表），但pl.col(...)返回的是Polars的表达式节点（抽象语法树的一部分），并非实际可迭代数据，因此抛出can only join an iterable的类型错误。

正确解法 #

改用Polars内置的表达式方法实现聚合拼接，完全利用矢量化计算，性能远优于map_groups或lambda函数。修改你的聚合函数如下：

def agg_ll_field(col_name) -> pl.Expr:
    # 对组内列值去空、去重、排序后，用分号拼接成字符串
    return pl.col(col_name).drop_nulls().unique().sort().str.concat(delimiter=';')

dfa = df.lazy()\
    .group_by('SharedSourceSystem', 'FOPortfolioName')\
    .agg(
        agg_ll_field('BookingUnits').alias('BOOKG_UNIT')
    )\
    .collect()

如果你的Polars版本较旧（<0.18.0），可以用list.to_string()替代str.concat()：

def agg_ll_field(col_name) -> pl.Expr:
    return pl.col(col_name).drop_nulls().unique().sort().list.to_string(delimiter=';')

为什么这样做 #

这种写法完全基于Polars的矢量化执行引擎，避免了Python层面的循环或串行处理，性能和map_groups不在一个量级，同时满足你不用lambda函数的需求。

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