Polars 中如何在聚合操作中正确计算众数（mode）-Python教程-PHP中文网

Polars 中如何在聚合操作中正确计算众数（mode）

本文详解 Polars 中 mode() 的使用误区与正确实践，涵盖数值型和字符串型列的众数聚合、Expr.mode() 的调用方式、多众数处理策略，并提供可直接复用的工程化表达式模板。

本文详解 polars 中 `mode()` 的使用误区与正确实践，涵盖数值型和字符串型列的众数聚合、`expr.mode()` 的调用方式、多众数处理策略，并提供可直接复用的工程化表达式模板。

在 Polars 中，初学者常误以为存在类似 pl.mode() 这样的顶层聚合函数（如 pl.mean() 或 pl.max()），从而在 .agg() 中直接调用而报错：AttributeError: module 'polars' has no attribute 'mode'。根本原因在于：mode() 并非顶层函数，而是 Expr 类的原生方法（即 pl.col(...).mode()），且它返回的是一个 list 类型的 Series（因可能存在多个众数），不能直接用于标量聚合上下文——这正是你原始代码失败的核心。

✅ 正确用法：Expr.mode() + 后续规约

pl.col("col").mode() 会返回该列中所有出现频率最高的值组成的列表（List[DataType]）。若需在 .group_by().agg() 中得到单个标量结果（如最常见值），必须配合规约操作，例如：

.first()：取第一个众数（推荐用于确定性输出）
.last()：取最后一个众数
.list.unique().first()：去重后取首项（防重复众数干扰）
.list.len().eq(1).all()：可额外校验是否唯一众数（调试用）

以下为完整可运行示例，同时支持数值型与字符串型列：

import polars as pl
import polars.selectors as cs

# 构造混合类型测试数据（含字符串列）
df = pl.DataFrame({
    "case_id": [1, 1, 1, 2, 2, 2],
    "aD": [200, 200, 300, 400, 1, 3],      # 数值型
    "bD": ["X", "X", "Y", "Z", "Z", "Z"],   # 字符串型
    "cD": [None, "A", "A", "B", "B", "B"]   # 含空值的字符串型
})

# 定义聚合表达式：统一处理所有以 "D" 结尾的列
def date_expr():
    # 注意：mode() 返回 list，必须用 .first() 转为标量
    expr_max   = cs.ends_with("D").max().name.prefix("max_")
    expr_min   = cs.ends_with("D").min().name.prefix("min_")
    expr_mean  = cs.ends_with("D").mean().name.prefix("mean_")
    expr_std   = cs.ends_with("D").std().name.prefix("std_")
    # 关键：mode + first() → 单值；对字符串列同样有效
    expr_mode  = cs.ends_with("D").mode().first().name.prefix("mode_")

    return [expr_max, expr_min, expr_mean, expr_std, expr_mode]

# 执行分组聚合
result = df.group_by("case_id").agg(date_expr())
print(result)

输出结果（截选）：

shape: (2, 9)
┌─────────┬────────┬────────┬────────┬────────┬────────┬────────┬────────┬────────┐
│ case_id ┆ max_aD ┆ max_bD ┆ max_cD ┆ min_aD ┆ min_bD ┆ min_cD ┆ mode_aD ┆ mode_bD │
│ ---     ┆ ---    ┆ ---    ┆ ---    ┆ ---    ┆ ---    ┆ ---    ┆ ---     ┆ ---     │
│ i64     ┆ i64    ┆ str    ┆ str    ┆ i64    ┆ str    ┆ str    ┆ i64     ┆ str     │
╞═════════╪════════╪════════╪════════╪════════╪════════╪════════╪═════════╪═════════╡
│ 1       ┆ 300    ┆ "X"    ┆ "A"    ┆ 200    ┆ "X"    ┆ "A"    ┆ 200     ┆ "X"     │
│ 2       ┆ 400    ┆ "Z"    ┆ "B"    ┆ 1      ┆ "Z"    ┆ "B"    ┆ 3       ┆ "Z"     │
└─────────┴────────┴────────┴────────┴────────┴────────┴────────┴─────────┴─────────┘

✅ 关键结论与最佳实践：

无 pl.mode()，只有 pl.col(...).mode()：必须通过列表达式调用，不可脱离上下文；
mode() 天然支持任意可哈希类型：包括 str, int, float, bool, date, datetime 等，无需类型转换；
空值（null）自动被忽略：Polars 的 mode() 默认跳过 null，行为与 Pandas 一致；
多众数时务必规约：.mode().first() 是生产环境最安全的选择；若需保留全部众数，可用 .mode().alias("modes_col")，但注意该列类型为 List；
性能友好：mode() 在底层经高度优化，即使在千万行数据上也能高效完成分组众数计算。