Polars窗口聚合函数处理Decimal类型时存在精度错误问题

在Python 3.10.8搭配Polars 1.21.0时，对Decimal(10,2)类型列使用窗口聚合（over()）会出现结果被错误放大100倍的问题，以下是几个可靠的解决方案：

1. 优先升级Polars版本 #

这个问题属于版本特定的bug，后续发布的Polars版本大概率已经修复了该问题。执行以下命令升级到最新稳定版：

pip install --upgrade polars

升级后重新运行你的窗口聚合代码，即可验证问题是否解决。

2. 保留Decimal精度的兼容处理（不升级版本时） #

如果暂时无法升级版本，可通过将Decimal转为整数计算，再转回Decimal的方式规避bug，既保留Decimal的小数精度控制，又避免直接除以100的风险：

import polars as pl 

pl.DataFrame(
    {
        'People':['John', 'John', 'John', 'John', 'Jane', 'Jane', 'Jane', 'Jane'],
        'Balance': [0.00, 10.59, 11.29, 0.00, 12.34, 23.45, 34.56, 45.67]
    }
    , schema={'People':pl.String, 'Balance':pl.Decimal(10, 2)}
).with_columns(
    Bal_max = pl.col("Balance").max(),
    # 修复后的窗口聚合：转整数计算后转回Decimal
    Bal_max_person_fixed = (pl.col("Balance").cast(pl.Int64)
                            .max().over("People")
                            .cast(pl.Decimal(10, 2))),
    Bal_min_person_fixed = (pl.col("Balance").cast(pl.Int64)
                            .min().over("People")
                            .cast(pl.Decimal(10, 2))),
    Bal_sum_person_fixed = (pl.col("Balance").cast(pl.Int64)
                            .sum().over("People")
                            .cast(pl.Decimal(10, 2)))
)

原理：Decimal(10,2)的底层存储是放大100倍的整数，转Int64做聚合不会丢失精度，聚合完成后转回Decimal(10,2)即可得到正确的两位小数结果，比直接除以100更可靠，避免了浮点数运算的潜在精度问题。

3. 临时精度调整方案（慎用） #

如果不想转整数，也可以尝试在聚合后强制指定Decimal精度，但该方案依赖版本细节，稳定性不如转整数的方法：

Bal_max_person_fixed = pl.col("Balance").max().over("People").cast(pl.Decimal(10,2))

内容的提问来源于stack exchange，提问作者jpm_phd