如何使用cum_fold或cum_reduce创建有状态DataFrame列？

可以通过Polars的累积求和结合字符串格式化实现需求，核心思路是用累积求和生成分组标识，再基于标识生成目标列内容：

1. 对列a执行累积求和：每次遇到1时求和值递增，遇到0时保持当前值，这样就能把连续的1及后续0归为同一组；
2. 根据分组标识，格式化生成new_valueX格式的字符串。

代码实现 #

import polars as pl

# 初始化原始DataFrame
a = pl.DataFrame({'a': [1, 0, 0, 0, 1, 0, 0, 1]})

# 添加目标列b
result = a.with_columns(
    pl.col('a').cumsum().map_elements(lambda x: f"new_value{x}", return_dtype=pl.String).alias('b')
)

print(result)

输出结果 #

shape: (8, 2)
┌─────┬────────────┐
│ a   ┆ b          │
│ --- ┆ ---        │
│ i64 ┆ str        │
╞═════╪════════════╡
│ 1   ┆ new_value1 │
│ 0   ┆ new_value1 │
│ 0   ┆ new_value1 │
│ 0   ┆ new_value1 │
│ 1   ┆ new_value2 │
│ 0   ┆ new_value2 │
│ 0   ┆ new_value2 │
│ 1   ┆ new_value3 │
└─────┴────────────┘

高性能优化方案 #

如果处理大数据集，建议避免逐行处理的map_elements，改用Polars向量化操作提升效率：

result = a.with_columns(
    (pl.lit("new_value") + pl.col('a').cumsum().cast(pl.String)).alias('b')
)

内容的提问来源于stack exchange，提问作者Kaster