无法理解Polars文档分组窗口函数示例的执行逻辑

你对示例代码的映射推测是准确的，示例中col("value").sort().over("group")对应的实际写法是col("Speed").sort().over("Type 1")。你产生疑问的核心原因是混淆了「窗口函数组内计算」和「全表分组重排」的行为差异。

窗口函数over()的固定行为规则 #

• 所有窗口函数，不管是聚合类还是排序、移位类的组内操作，都不会改变原DataFrame的行数、行的原始顺序，不会把同组的行挪动到连续位置。
• 计算逻辑完全遵循「分组计算后投影回原始行」的统一规则：
  1. 先按指定的分组键拆分出所有分组，记录每个分组包含的原行索引位置
  2. 在每个分组内部独立执行指定操作（比如这里就是对组内的Speed值做升序排序，得到排好序的数值序列）
  3. 把每个组得到的结果序列，按顺序回填到该组对应的原行索引位置，其他列、其他组的位置完全不受影响

对你提出疑问的针对性解释 #

• 关于「Type 1列不连续、Ice组95打破Speed连续性」：这是完全符合预期的正常结果。窗口函数从来不会做全表重排把同组行凑到一起，示例里的Type1列顺序和原表完全一致，你看到Water组的Starmie（Speed 115）后面跟着Ice组的Jynx（Speed95），只是因为原表中这两行本来就是相邻的。Jynx所属的Ice组只有它一行，组内排序后值还是95，直接回填到原位置即可，不存在所谓“打破连续性”的问题——连续性本来就不是窗口函数要保证的，那是全表排序的效果。
• 关于「组内排序是否只交换分组内部位置的取值」：这个理解完全正确。举个对应例子，如果原表中Type1为Water的行分别位于第0、2、5位，那组内排好序的Speed值只会按从小到大的顺序，依次填回这三个位置，不会改动Grass、Ice组对应位置的任何值，也不会移动整行的位置。

和全表排序的效果对比 #

你可以直接对比两种写法的输出差异快速理解边界：

• 写df.sort("Type 1", "Speed")时，Polars会做全表重排，同Type1的行会被聚合到连续的块中，块内按Speed升序排列，这时候你看到的Type1列是连续排布的。
• 写col("Speed").sort().over("Type 1")时，只有Speed列的值会在组内位置间交换，Name、Type1列的内容、所有行的顺序和原表完全一致。你贴出的示例结果完全符合这个逻辑：Water组4个原位置按顺序填入15、30、30、115，Grass组2个原位置填入40、55，Ice组1个位置填入95，和展示的结果完全匹配。

内容的提问来源于stack exchange，提问作者zacko