如何在Polars中按cid1、cid2分组筛选cid3最大值行并保留全列？

针对你的需求，这里提供几种Polars的实现方式，对应你熟悉的Pandas思路，同时还有更高效的写法：

方法一：对应Pandas Transform思路（添加临时列后筛选） #

Polars中用over子句实现类似Pandas transform的分组计算逻辑，直接给每行添加对应组的cid3最大值，再筛选匹配的行：

import polars as pl

# 给每行添加所在组的cid3最大值
df = df.with_columns(
    pl.col("cid3").max().over(["cid1", "cid2"]).alias("max_cid3")
)
# 筛选出cid3等于组内最大值的行，可选删除临时列
df = df.filter(pl.col("cid3") == pl.col("max_cid3")).drop("max_cid3")

方法二：窗口函数直接筛选（无需临时列） #

更简洁的写法，直接在filter中用窗口函数判断当前行的cid3是否为组内最大值：

import polars as pl

df = df.filter(
    pl.col("cid3") == pl.col("cid3").max().over(["cid1", "cid2"])
)

方法三：排序后去重（适合无重复最大值场景） #

如果每组的cid3最大值唯一，可以先按cid1、cid2升序，cid3降序排序，再保留每组的第一行：

import polars as pl

# 排序：cid1、cid2升序，cid3降序；然后按cid1、cid2去重，保留第一行（即cid3最大的行）
df = df.sort(
    ["cid1", "cid2", "cid3"],
    descending=[False, False, True]
).unique(["cid1", "cid2"], keep="first")

注意：如果组内存在多个cid3等于最大值的行，这种方法只会保留排序后的第一行，若需要保留所有最大值行，建议用前两种方法。

为什么你之前的代码无法保留其他列？ #

你之前用group_by+agg的方式属于聚合操作，会将每个分组的结果合并为一行，其他非聚合列会被打包成列表。而我们需要的是保留原始行结构，只筛选出符合条件的行，因此窗口函数（over子句）才是正确的选择——它会为每行计算对应分组的聚合值，而非改变行的数量。

内容的提问来源于stack exchange，提问作者Jahspear