Polars分组聚合如何无需join获取组内最大值对应整行数据

完全不需要额外做join关联，Polars原生支持在聚合阶段直接返回极值对应的完整行数据，性能比先聚合再join的方案高很多，以下是可直接复用的实现方式。

推荐写法：top_k 聚合（语义最直观） #

top_k 表达式可以直接按指定列排序，返回分组内排序靠前的N条记录的所有列值，取单组最大值时传入k=1即可，最后通过unnest展开结构体得到平铺结果：

import polars as pl

df = pl.DataFrame({
    'class': ['a', 'a', 'b', 'b'], 
    'name': ['Ron', 'Jon', 'Don', 'Von'], 
    'score': [0.2, 0.5, 0.3, 0.4]
})

result = df.group_by('class').agg(
    pl.all().top_k(k=1, by='score')
).unnest('name', 'score')

执行后输出和join方案完全一致：

shape: (2, 3)
┌───────┬──────┬───────┐
│ class ┆ name ┆ score │
│ ---   ┆ ---  ┆ ---   │
│ str   ┆ str  ┆ f64   │
╞═══════╪══════╪═══════╡
│ a     ┆ Jon  ┆ 0.5   │
│ b     ┆ Von  ┆ 0.4   │
└───────┴──────┴───────┘

注意：如果分组内存在多个score相同的最大值行，该方法会返回所有并列最大值的行，不会丢数据。

备选写法：排序后取末位 #

如果需要自定义排序逻辑，可以在聚合阶段对分组内所有行按score排序，直接取排序后的最后一行（即最大值行）的所有字段，不需要额外关联：

result = df.group_by('class').agg(
    pl.all().sort_by('score').last()
)

该写法输出和上述方案完全一致。

补充说明 #

• 若需要取分组内score最小值对应的整行，将top_k替换为bottom_k，或排序后取.first()即可
• 若需要取分组内score最大的前N行，直接调整top_k的k参数为对应数值即可，无需修改其他逻辑
• 两种无join方案都仅需对原表做一次分组遍历，不需要维护join的哈希映射，在大数据量场景下性能比join方案高30%到数倍不等

内容的提问来源于stack exchange，提问作者Vikash Balasubramanian