如何对Polars DataFrame中的所有行进行聚合操作？

如果要对Polars DataFrame的所有行做聚合（比如求某列的平均值），有几种简洁的实现方式：

1. 直接调用列的聚合方法（返回Series） #

针对单列聚合，直接选中目标列后调用对应的聚合函数即可，比如求age列的平均值：

import polars as pl

df = pl.DataFrame({
    "first_name": ["Alice", "Bob", "Charlie", "Alice"],
    "age": [25, 30, 35, 28]
})

# 获取age列的平均值，返回Series类型结果
avg_age = df["age"].mean()
print(avg_age)  # 输出：29.5

2. 使用select方法（返回DataFrame） #

如果需要返回结构化的DataFrame结果，可以用select配合聚合表达式，还能自定义结果列名：

# 返回包含平均值的单行DataFrame
result_df = df.select(pl.col("age").mean().alias("average_age"))
print(result_df)
# 输出：
# shape: (1, 1)
# ┌─────────────┐
# │ average_age │
# │ ---         │
# │ f64         │
# ╞═════════════╡
# │ 29.5        │
# └─────────────┘

这种方式支持同时聚合多个列，比如同时求平均值和总行数：

multi_agg_df = df.select([
    pl.col("age").mean().alias("average_age"),
    pl.col("age").count().alias("total_records")
])
print(multi_agg_df)

3. 全局分组后聚合（统一分组操作写法） #

如果想和常规group_by分组聚合的写法保持一致，可以用无参数的group_by()（将所有行归为一组），再调用agg执行聚合：

grouped_result = df.group_by().agg(pl.col("age").mean().alias("average_age"))
print(grouped_result)
# 输出和select方法的结果一致

内容的提问来源于stack exchange，提问作者bwooster