Polars中按客户-产品分组计算销售总额的正确实现方法

看起来你已经找对了方向，但差了关键的一步聚合操作！咱们先理清楚问题：你想得到每个唯一客户-产品组合对应的总销售额，也就是把同一客户买同一产品的所有订单金额加起来对吧？

先看你提供的原始数据结构：

你想要的结果是这样的唯一组合加总：

那你原来的代码问题出在哪呢？你已经计算出了每一行的订单金额（quantity * price），也指定了分组的列，但没有告诉Polars要对分组后的数据做什么聚合操作——也就是把每个组里的金额加起来。Polars的group_by之后必须用agg()方法来定义聚合逻辑，不然分组只是“分了组”，没有汇总结果。

下面给你两种正确的实现方式：

方式一：先计算单行金额再分组聚合 #

这种写法和你的思路最接近，先把每一行的销售金额算出来，再分组求和：

import polars as pl

result = db.select(
    pl.col('customer'),
    pl.col('product'),
    # 计算每一行的销售金额，命名为line_total
    (pl.col('quantity') * pl.col('price')).alias('line_total')
).group_by(['customer', 'product']).agg(
    # 对每个分组的line_total求和，命名为total
    pl.col('line_total').sum().alias('total')
)

方式二：更简洁的链式写法 #

Polars支持在agg()里直接计算并聚合，不用提前select，代码更紧凑：

import polars as pl

result = db.group_by(['customer', 'product']).agg(
    # 直接在聚合步骤里计算总销售额：每行quantity*price后求和
    total=(pl.col('quantity') * pl.col('price')).sum()
)

这两种写法都会得到你想要的结果：每个客户-产品组合只出现一次，对应的total是该组合的所有订单金额之和。

如果之后你想对结果排序，比如按总销售额从高到低排列，可以在后面加个排序步骤：

result = db.group_by(['customer', 'product']).agg(
    total=(pl.col('quantity') * pl.col('price')).sum()
).sort('total', descending=True)

备注：内容来源于stack exchange，提问作者Scott Deerwester