如何在Polars中按分组获取字符串列的最大与最小值？

在Polars 0.15.2版本中，对字符串列使用min()/max()聚合会返回null，这是因为该版本的聚合函数默认未支持字符串类型的比较操作。以下是两种可行的解决方式：

方法一：通过排序取首尾元素模拟最值 #

利用字符串字典序的特性，对分组内的字符串列排序后，取第一个元素作为最小值，取最后一个元素作为最大值：

import polars as pl

d_str = pl.DataFrame({
    "g": ["a", "a", "b"],
    "v": ["x", "y", "x"],
})

result = (
    d_str
    .group_by("g")
    .agg(
        pl.col("v").sort().first().alias("v_min"),
        pl.col("v").sort(reverse=True).first().alias("v_max")
    )
)

print(result)

执行后输出：

┌─────┬───────┬───────┐
│ g   ┆ v_min ┆ v_max │
│ --- ┆ ---   ┆ ---   │
│ str ┆ str   ┆ str   │
╞═════╪═══════╪═══════╡
│ a   ┆ x     ┆ y     │
│ b   ┆ x     ┆ x     │
└─────┴───────┴───────┘

方法二：升级Polars版本 #

Polars在0.16及以上版本中已经修复了这个问题，支持直接对字符串列使用min()和max()聚合。执行以下命令升级：

pip install --upgrade polars

升级后原代码即可正常返回正确结果：

(
    d_str
    .group_by("g")
    .agg(
        pl.col("v").min().alias("v_min"), 
        pl.col("v").max().alias("v_max")
    )
)

内容的提问来源于stack exchange，提问作者John Mount