如何在Polars Lazy DataFrame中不用apply/map实现分组cut并支持sink_parquet？

现有Polars Eager模式代码通过groupby结合apply方法，对x列按指定bins进行分箱（cut）并合并结果。但在Lazy DataFrame场景下使用apply或map方法后，执行sink_parquet会触发报错：

PanicException: sink_parquet not yet supported in standard engine.

目标是扫描大型CSV文件、完成转换后用sink_parquet写入，因此需要改用不依赖apply/map的Lazy模式实现相同功能。

原Eager模式代码示例：

import numpy as np
import polars as pl

def cut(_df):
    _c = _df['x'].cut(bins).with_columns([pl.col('x').cast(pl.Int64)])
    final = _df.join(_c, left_on='x', right_on='x')
    return final

groups = ["A"]*500 + ["B"]*500
bins = [0, 100, 200, 300, 400, 500, 600, 700, 800, 900, 1000]
x = np.arange(0,1000)
np.random.shuffle(x)
df = pl.DataFrame({"x":x,"group":groups})
with pl.StringCache():
    res = df.groupby("group").apply(cut)

原代码中groupby.apply(cut)的操作实际是冗余的——因为cut是基于全局固定的bins对x值进行分箱，和分组无关。直接在Lazy模式下对x列调用cut方法，即可生成对应的分箱列，无需分组处理。

具体实现代码：

import numpy as np
import polars as pl

# 定义分箱边界
bins = [0, 100, 200, 300, 400, 500, 600, 700, 800, 900, 1000]

# Lazy模式处理流程
(
    pl.scan_csv("large_input.csv")  # 扫描大型CSV
    .with_columns(
        # 对x列执行分箱，直接生成break_point和category列
        pl.col("x").cut(bins).alias("cut_result")
    )
    # 展开分箱结果的结构体列
    .unnest("cut_result")
    # 写入Parquet文件
    .sink_parquet("output.parquet")
)

关键说明： #

• pl.col("x").cut(bins)会直接返回一个结构体列，包含break_point和category两个字段，用unnest可以将其展开为独立列，和原Eager代码的结果完全一致。
• 整个流程全程使用Lazy API，没有使用apply/map，因此可以正常调用sink_parquet写入大型文件，避免了引擎不支持的报错。
• 如果确实需要按分组独立定义bins（原问题中bins是全局的，此场景为扩展），可以预先将分组对应的bins存入字典，通过map_dict结合cut实现，但原问题中无需此操作。

内容的提问来源于stack exchange，提问作者BoreBoar