Polars 聚合数据帧的 n 个连续行的惯用方法

Question

我是 Polars 新手，我最终编写了这段代码来计算

n

行段上的一些聚合表达式：

import polars as pl

df = pl.DataFrame({"a": [1, 1, 3, 8, 62, 535, 4213]})

(
    df.with_columns(index=pl.int_range(pl.len(), dtype=pl.Int32))
    .group_by_dynamic(index_column="index", every="3i")
    .agg(pl.col("a").mean())
)

对于示例，我为

n==3

行设置

7

，但对于大约

n

行的多列数据框，请考虑约

100

的较小

10**6

。

我想知道这是否是进行此类操作的惯用方式。 不知何故，在

group_by_dynamic

范围内的

Int32

对我来说似乎有点过分了：我想知道是否有更直接的方法来进行相同的聚合。

Answer 1

group_by_dynamic

允许一行成为多个组的成员，这在您的情况下并不是真正需要的。

你可能可以做这样的事情（只需将创建索引的方式更改为更Pythonic的方式）：

(
    df.with_columns(index=pl.Series([1,1,1,2,2,2,3]))
    .group_by('index')
    .agg(pl.col("a").mean())
)

┌───────┬────────────┐
│ index ┆ a          │
│ ---   ┆ ---        │
│ i64   ┆ f64        │
╞═══════╪════════════╡
│ 1     ┆ 1.666667   │
│ 3     ┆ 4213.0     │
│ 2     ┆ 201.666667 │
└───────┴────────────┘