Polars 中按“Life–Death”区间计算列最大值的完整教程

本文介绍如何在 Polars 中为每个以 “Life” 开头、以 “Death” 结尾的连续数据段，提取指定列（如 column A）的最大值，并仅将该值填充至对应 “Life” 行的新增列中，其余行置为 NULL。

本文介绍如何在 polars 中为每个以 “life” 开头、以 “death” 结尾的连续数据段，提取指定列（如 `column a`）的最大值，并仅将该值填充至对应 “life” 行的新增列中，其余行置为 `null`。

在 Polars 中实现“区间最大值映射”——即对由特定标记（如 “Life” 起始、”Death” 终止）界定的逻辑子段，分别计算某列的最大值并仅赋给起始行——不能直接使用常规窗口函数，而需通过构造分组标识（group ID）+ 分组聚合 + 条件赋值三步完成。其核心在于：将非连续的语义区间（Life → … → Death）转化为可被 .over() 操作识别的数值分组标签。

✅ 解决思路拆解

1. 识别关键事件行：用布尔表达式标记 “Life” 和 “Death” 出现的位置；
2. 构建累积分组号：利用 .cum_sum() 生成随每个 “Life” 或 “Death” 递增的序列，再通过 .forward_fill() 填充空值，形成初步分组；
3. 修正分组边界：因 “Death” 行本身不属于当前 Life 区间，需将其 group_id 向前平移（.shift()），使整个 Life→Death 区间（含中间 null 行）共享同一 ID；
4. 条件聚合与赋值：仅对 “Life” 行应用 .max().over(group_id)，其余行保持 null。

? 完整代码实现

import polars as pl  df = pl.DataFrame({     "Column A": [2, 3, 1, 4, 1, 3, 3, 2, 1, 0],     "Column B": ["Life", None, None, None, "Death", None, "Life", None, None, "Death"] })  # 步骤 1：定义事件布尔列 is_life = pl.col("Column B") == "Life" is_death = pl.col("Column B") == "Death"  # 步骤 2 & 3：构造精准 group_id（自动对齐 Life-Death 区间） group_id = (     (is_life.cum_sum() + is_death.cum_sum())     .forward_fill()     .fill_null(0)  # 防止首行为 null 导致 fill 失败（可选） ) group_id = pl.when(is_death).then(group_id.shift()).otherwise(group_id)  # 步骤 4：仅在 Life 行注入区间最大值，生成 Column C result = df.with_columns(     pl.when(is_life)       .then(pl.col("Column A").max().over(group_id))       .alias("Column C") )  print(result)

输出结果：

shape: (10, 3) ┌──────────┬──────────┬──────────┐ │ Column A ┆ Column B ┆ Column C │ │ ---      ┆ ---      ┆ ---      │ │ i64      ┆ str      ┆ i64      │ ╞══════════╪══════════╪══════════╡ │ 2        ┆ Life     ┆ 4        │ │ 3        ┆ null     ┆ null     │ │ 1        ┆ null     ┆ null     │ │ 4        ┆ null     ┆ null     │ │ 1        ┆ Death    ┆ null     │ │ 3        ┆ null     ┆ null     │ │ 3        ┆ Life     ┆ 3        │ │ 2        ┆ null     ┆ null     │ │ 1        ┆ null     ┆ null     │ │ 0        ┆ Death    ┆ null     │ └──────────┴──────────┴──────────┘

⚠️ 注意事项与最佳实践

• forward_fill() 必不可少：原始 cum_sum() 在 null 行处会生成 null，必须填充才能参与后续算术运算；
• shift() 默认向前移位：.shift() 将当前行的 group_id 替换为上一行值，确保 “Death” 行不开启新区间；
• 避免整列 .max() 泄露：务必使用 .over(group_id) 实现分组内聚合，否则会计算全列最大值；
• 类型一致性：若 Column A 为浮点型，.max() 返回 f64；若需统一为 f64 输出（如示例目标），可显式 .cast(pl.Float64)；
• 扩展性提示：该模式可轻松适配其他起止标记（如 “Start”/”End”）、多列聚合（.agg([pl.col(“A”).max(), pl.col(“B”).first()])），或结合 .map_batches() 处理更复杂逻辑。

此方法完全向量化、无 Python 循环，符合 Polars 高性能设计哲学，适用于百万级数据的高效区间分析场景。