Polars中如何按ID分组计算单列求和与两列和的均值？

直接用Polars的原生分组聚合API就能实现需求，代码简洁且性能更优：

import polars as pl

result = df.group_by("id").agg(
    pl.col("m_1").sum().alias("m_1 sum"),
    (pl.col("m_7") + pl.col("m_8")).mean().alias("m_7_8 mean")
)

说明： #

你之前觉得pl.mean只能传列名字符串，其实它可以接收任意Polars表达式（比如两列相加的结果），这也是Polars表达式体系的灵活之处。具体实现逻辑：

• 先通过group_by("id")完成分组操作，逻辑和Pandas一致
• 在agg()方法中定义两个聚合规则：
  1. 对m_1列求和，用alias()给结果列指定别名
  2. 先计算m_7与m_8的逐行和，再对这个临时计算结果求均值，最后用alias()命名结果列

这种写法是Polars推荐的原生用法，相比Pandas的apply模式，Polars会提前做查询优化，避免了遍历每组数据执行lambda逻辑的额外开销。

内容的提问来源于stack exchange，提问作者andy8203