首页
/ Polars 1.28版本中over聚合函数行为变更分析

Polars 1.28版本中over聚合函数行为变更分析

2025-05-04 04:33:24作者:江焘钦

Polars是一个高性能的DataFrame库,在1.28版本中,用户发现了一个关于over聚合函数行为的变更。这个变更影响了条件表达式中的聚合操作结果输出形式。

问题现象

在Polars 1.27.1版本中,当使用when-then条件表达式结合over窗口函数时,如果then子句包含聚合操作(如first()、last()等),会返回标量值。但在1.28版本中,同样的表达式会返回列表值。

示例代码:

duration = pl.when(pl.col("x"))
    .then(pl.col("t").last() - pl.col("t").first())
    .otherwise(pl.lit(0))
    .over(pl.col("x").rle_id())
    .alias("duration")
df = pl.DataFrame({"x": [True,True,False,True,True,True,False], "t": [1,2,3,4,5,6,7]})
df.with_columns(duration)

1.28版本输出:

┌───────┬─────┬───────────┐
│ x     ┆ t   ┆ duration  │
│ ---   ┆ --- ┆ ---       │
│ bool  ┆ i64 ┆ list[i64] │
╞═══════╪═════╪═══════════╡
│ true  ┆ 1   ┆ [1, 1]    │
│ true  ┆ 2   ┆ [1, 1]    │
│ false ┆ 3   ┆ [0]       │
│ true  ┆ 4   ┆ [2, 2, 2] │
│ true  ┆ 5   ┆ [2, 2, 2] │
│ true  ┆ 6   ┆ [2, 2, 2] │
│ false ┆ 7   ┆ [0]       │
└───────┴─────┴───────────┘

1.27.1版本预期输出:

┌───────┬─────┬──────────┐
│ x     ┆ t   ┆ duration │
│ ---   ┆ --- ┆ ---      │
│ bool  ┆ i64 ┆ i64      │
╞═══════╪═════╪══════════╡
│ true  ┆ 1   ┆ 1        │
│ true  ┆ 2   ┆ 1        │
│ false ┆ 3   ┆ 0        │
│ true  ┆ 4   ┆ 2        │
│ true  ┆ 5   ┆ 2        │
│ true  ┆ 6   ┆ 2        │
│ false ┆ 7   ┆ 0        │
└───────┴─────┴──────────┘

技术分析

这个问题的本质在于Polars 1.28版本对条件表达式中聚合操作的处理逻辑发生了变化。具体表现为:

  1. 表达式类型推断:1.28版本错误地将包含聚合操作的then子句识别为返回标量值,而实际上它应该返回与窗口大小匹配的列表值。

  2. 窗口函数行为:over函数在1.28版本中对于条件表达式中的聚合操作,不再自动展开结果,而是保留了列表形式。

  3. 向后兼容性:这种变更破坏了之前版本的行为,导致依赖旧行为的代码需要调整。

影响范围

这个变更主要影响以下场景:

  • 使用when-then条件表达式
  • then子句包含聚合操作(first/last/sum等)
  • 整个表达式应用了over窗口函数

临时解决方案

在官方修复前,用户可以通过显式展开列表来恢复之前的行为:

df.with_columns(
    duration=pl.when(pl.col("x"))
    .then(pl.col("t").last() - pl.col("t").first())
    .otherwise(pl.lit(0))
    .over(pl.col("x").rle_id())
    .list.first()
    .alias("duration")
)

总结

Polars 1.28版本中over聚合函数的行为变更是一个意外的回归问题。开发团队已经确认这是一个bug,并将在后续版本中修复。对于需要精确控制输出类型的用户,建议暂时使用显式类型转换或等待官方修复版本。

登录后查看全文
热门项目推荐
相关项目推荐

热门内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8