本文介绍如何使用 polars 对销售数据按 customer 和 product 组合进行分组，并准确计算每组的总销售额（quantity × price 的行级乘积之和）。
本文介绍如何使用 polars 对销售数据按 customer 和 product 组合进行分组，并准确计算每组的总销售额（quantity × price 的行级乘积之和）。
在数据分析中，常需将原始交易记录聚合为“客户–商品”维度的汇总指标。例如，给定包含 customer、product、price 和 quantity 的销售表，目标是生成每个唯一 (customer, product) 对应的 总销售额（即该客户购买该商品所有订单的 price × quantity 之和）。
关键在于：先逐行计算销售金额，再按多列分组并求和。你原代码的问题在于：
-
group_by(('customer', 'product'))语法不正确（Polars 不接受元组作为 group_by 参数）； - 缺少聚合操作（
.agg()），仅分组不会产生标量结果； - 未对
quantity × price的结果执行.sum()。
✅ 正确做法如下：
✅ 方法一：显式乘积 + .sum() 聚合（推荐，清晰易读）
import polars as pl
result = db.group_by(["customer", "product"]).agg(
total=(pl.col("quantity") * pl.col("price")).sum()
)
✅ 方法二：使用 .dot()（简洁高效，专为向量内积设计）
result = db.group_by("customer", "product").agg(
total=pl.col("quantity").dot("price")
)
?
dot()等价于sum(pl.col("a") * pl.col("b"))，但底层优化更高效，且语义明确——适用于“加权求和”场景（如销售额、加权平均等）。
⚠️ 注意事项
-
group_by()接受字符串列表（如["customer", "product"]）或多个字符串参数（如"customer", "product"），不可传入元组； - 所有聚合表达式必须包裹在
.agg()中，否则分组后无实际计算； - 若存在缺失值（
null），*和.dot()均会自动跳过（类似sum(skip_nulls=True)），如需不同空值策略，可显式链式调用.fill_null(0)； - 结果默认不排序；如需按
customer或total排序，追加.sort("customer")或.sort("total", descending=True)。
✅ 验证输出结构
运行后 result 将是一个三列 Polars DataFrame：
| customer | product | total |
|-----------|---------|--------|
| C0000105 | P0168 | 643.78 |
| C0000105 | P0204 | 76.88 |
| ... | ... | ... |
这正是你所需的“唯一客户–商品对 → 总销售额”汇总表。掌握这一模式，可轻松扩展至多维分组（如增加 sale_time.dt.month() 按月统计）或复合指标（如同时计算 sum, count, mean）。
