Polars中如何为按多列排序的DataFrame设置set_sorted属性？

1. 让Polars识别DataFrame按多列排序 #

你可以直接给set_sorted方法传入列名列表，告知Polars整个DataFrame是按id和date两列排序的：

import polars as pl

# 假设df是已排序的面板数据
df = df.set_sorted(["id", "date"])

设置后，Polars会在后续操作（如窗口计算、分组聚合）中利用这个排序信息，优化查询性能。

2. 判断多列是否单调递增 #

Polars没有直接对应Pandas中Index.is_monotonic_increasing的多列属性，但可以通过两种方式实现类似判断：

方式一：结构体整体判断 #

将id和date打包成结构体，再调用is_monotonic_increasing()，该方法会按结构体的字典序逐行比较：

is_sorted = pl.struct(["id", "date"]).is_monotonic_increasing().item()

返回的布尔值表示整个DataFrame的id-date组合是否整体单调递增。

方式二：分层次验证面板数据排序 #

对于面板数据，通常需要验证id整体递增，且每个id分组内的date也递增，这种方式更贴合面板数据的排序逻辑：

is_sorted = (
    (pl.col("id").is_monotonic_increasing()) &
    (pl.col("date").is_monotonic_increasing().over("id"))
).all().item()

先判断id列的单调性，再通过over("id")判断每个分组内date的单调性，最后用.all()确保所有行都满足条件。

内容的提问来源于stack exchange，提问作者Casey