如何在 Polars 中实现类似 Pandas unstack() 的透视聚合操作

在数据分析工作中，我们常常需要将长表转换为宽表，Pandas 用户习惯使用 unstack 完成这类行转列操作。Polars 作为新一代 DataFrame 库，虽然没有 unstack 方法，但借助 pivot 函数同样可以轻松实现等效的透视聚合。

为什么 Polars 没有 unstack

Pandas 的 unstack 基于多级索引（MultiIndex）设计，而 Polars 采用列式存储且不支持多级索引结构。Polars 将透视能力统一收敛到 pivot 接口中，通过指定行、列以及聚合方式来达到展开效果。

基础用法对照

假设我们有如下长格式数据，希望把 category 展开为列，按 date 聚合 value：

import polars as pl

df = pl.DataFrame({
    "date": ["2023-01-01", "2023-01-01", "2023-01-02"],
    "category": ["A", "B", "A"],
    "value": [10, 20, 30]
})

# Polars 实现类似 unstack 的透视
wide = df.pivot(
    values="value",
    index="date",
    on="category",
    aggregate_function="sum"
)
print(wide)

对应的 Pandas 代码通常写成：

import pandas as pd

pdf = pd.DataFrame({
    "date": ["2023-01-01", "2023-01-01", "2023-01-02"],
    "category": ["A", "B", "A"],
    "value": [10, 20, 30]
})

pwide = pdf.groupby(["date", "category"]).sum().unstack()
pwide.columns = pwide.columns.droplevel(0)
print(pwide.reset_index())

多值聚合与缺失处理

当同一单元格存在多个值时，aggregate_function 支持传入字典分别聚合。若某些组合缺失，Polars 会自动填充 null，可用 fill_null 处理：

wide_filled = df.pivot(
    values="value",
    index="date",
    on="category",
    aggregate_function="sum"
).fill_null(0)
print(wide_filled)

注意事项

• pivot 的 index 参数对应 unstack 之前的行索引级别。
• on 参数对应被展开的索引级别，即生成的新列名来源。
• 聚合函数必须显式指定，因为 Polars 不会默认求和。

通过上述方式，你完全可以在 Polars 中以 pivot 替代 Pandas 的 unstack，并获得更清晰直观的API体验。

Polarspandas_unstackpivot修改时间：2026-07-28 21:39:17