Polars 支持在 select() 上直接使用聚合表达式（如 .mean()、.sum()、.first() 等），当所有列均为聚合表达式时，结果自动压缩为单行 DataFrame，无需借助 dummy 列或 group_by()。
polars 支持在 `select()` 上直接使用聚合表达式（如 `.mean()`、`.sum()`、`.first()` 等），当所有列均为聚合表达式时，结果自动压缩为单行 dataframe，无需借助 dummy 列或 `group_by()`。
在 Polars 中，聚合操作（aggregation）并不强制依赖 group_by() —— 这与 pandas 的 agg() 行为有本质区别。只要你在 select() 上全部使用聚合表达式（即返回标量值的表达式），Polars 会自动将整个 DataFrame 视为一个隐式“全局组”，并输出仅含一行的结果。
✅ 正确用法（推荐）：
import polars as pl
df = pl.DataFrame({
"a": [1, 2, 3, 4, 5],
"b": [0, 0, 1, 1, 1],
})
result = df.select(
pl.col("a").mean().alias("a_mean"),
pl.col("b").sum().alias("b_sum"),
pl.col("a").max().alias("a_max"),
pl.col("b").n_unique().alias("b_nunique")
)
print(result)
输出：
shape: (1, 4) ┌────────┬────────┬────────┬──────────┐ │ a_mean ┆ b_sum ┆ a_max ┆ b_nunique │ │ --- ┆ --- ┆ --- ┆ --- │ │ f64 ┆ i64 ┆ i64 ┆ u32 │ ╞════════╪════════╪════════╪═══════════╡ │ 3.0 ┆ 3 ┆ 5 ┆ 2 │ └────────┴────────┴────────┴───────────┘
⚠️ 注意事项：
- 若 select() 中混入非聚合列（例如 pl.col("a")），Polars 会报错：InvalidOperationError: expected all expressions to be aggregations。这是 Polars 的类型安全机制，确保语义明确。
- 所有聚合表达式必须兼容全局上下文（如 .first()、.count()、.std() 均合法；而 .over("group") 或窗口函数则不适用此处）。
- 不要误用 agg() 方法：df.agg(...) 是旧版 API（已弃用），现代 Polars 应统一使用 select() + 聚合表达式组合。
? 小技巧：若需同时保留原始结构与聚合结果，可用 with_columns() 配合聚合表达式（此时聚合值会广播至每行）；但若目标是「仅一行摘要」，select() 是最简洁、最符合语义的选择。
总结：摆脱 dummy group 的束缚——Polars 的 select() 天然支持无分组全局聚合，语义清晰、性能高效，是生成统计摘要的理想方式。
