在聚合（极坐标）中使用条件表达式时如何避免警告

Question

更新：聚合中的向量化规则现已最终确定。警告不再存在。

---

鉴于我有一个数据框

import polars as pl
df = pl.DataFrame({
    "group": [1, 1, 2, 2],
    "value": [10, None, 30, None],
})

我可以使用

fill_null

填充系列的空值并一步聚合：

df.groupby("group").agg(
    pl.col("value").fill_null(20).min()
)

我可以使用条件表达式执行相同的操作，然后也聚合该条件表达式：

df.with_columns(
    pl.when(pl.col("value").is_null()).then(pl.lit(20)).otherwise(pl.col("value"))
).groupby("group").agg(
    pl.col("value").min()
)

但是，在聚合期间动态创建系列会导致警告：

df.groupby("group").agg(
    pl.when(pl.col("value").is_null()).then(pl.lit(20)).otherwise(pl.col("value")).min()
)
# The predicate 'col("value").is_null()' in 'when->then->otherwise' is not a valid aggregation
# and might produce a different number of rows than the groupby operation would.
# This behavior is experimental and may be subject to change

警告似乎在这种情况下不适用，因为应用条件表达式相当于

fill_null

，不会导致警告。

使用条件表达式在聚合内转换系列时，我可以做些什么来消除警告吗？

Answer 1

当您调用

agg

时，它会检查您尝试聚合的表达式是否有效。在某些情况下（抱歉，我没有反例），表达式作为聚合会产生意外结果，其形式为错误的行数。此警告试图引起您的注意。使用

pl.all

或

pl.any

无法解决问题。它只是回避或隐藏了您正在做的事情，使其不被检查到。在这个玩具示例中，您得到了预期的结果，但此警告试图告诉您不要指望这一点。如果您有更复杂的示例，您可能会发现得到的结果没有意义（在最好的情况下，因为您可以采取纠正措施）或在没有意识到的情况下得到错误的结果。