如何在Polars中按列索引选择列并实现分组聚合？

Polars完全支持按列索引选择列，而且实现分组聚合的方式比Pandas更简洁直观，不需要手动构造字典映射。

针对你的需求（按Common_name分组，对第32到103列求均值），可以用以下两种方式实现：

方式一：直接使用列索引切片聚合 #

利用Polars的pl.col支持索引切片的特性，直接在聚合操作中指定列范围：

import polars as pl

gb = df.groupby("Common_name").agg(pl.col[32:103].mean())

这里pl.col[32:103]会选中从第32列到第102列（遵循Python左闭右开的切片规则，和Pandas的iloc[:,32:103]范围完全匹配），然后对这些列统一计算均值。

方式二：先获取列名列表再聚合 #

如果你需要先明确拿到目标列的名称，也可以先通过索引切片提取列名，再逐个指定聚合操作：

cols_to_agg = df.columns[32:103]
gb = df.groupby("Common_name").agg([pl.col(col).mean() for col in cols_to_agg])

这种方式和你Pandas中的实现逻辑更接近，但Polars的列表推导写法比构造字典更简洁。

额外说明 #

• Polars的列索引从0开始，和Pandas保持一致，不用担心索引偏移问题。
• pl.col还支持更多灵活的切片方式，比如pl.col[32:]选中第32列及之后所有列，pl.col[:103]选中前103列，甚至pl.col[::2]选中偶数列，满足不同场景需求。
• 聚合后的结果会自动保留原列名，和你用Pandas得到的输出结构一致。

内容的提问来源于stack exchange，提问作者plotmaster473