本文介绍如何在 polars 中将匹配命名模式（如 `a_0`, `a_1`, `a_2`）的多列纵向堆叠为单列（如 `a`），同时自动复制其他列（如 `words`, `groups`）以保持行对齐，适用于数据重塑与长格式转换场景。
在 Polars 数据分析中，常需将宽格式中具有相同前缀、不同后缀（如 _0, _1, _2）的列“纵向合并”为单列，同时保留其他辅助列（如分组标识、文本描述等）——但这些辅助列不能简单丢弃或聚合，而需按原顺序重复多次，使其长度与合并后的新列一致。这本质上是构建“长格式”（long format）数据的过程，但不同于常规 unpivot，它要求：
- 按列名前缀分组（如所有 a_* → a，所有 b_* → b）；
- 同一组内列按列序垂直拼接（a_0 全部在前，接着 a_1，再 a_2）；
- 非模式列（如 words, groups）需被精确复制 m 次（m 为每组列数），且保持与对应值的逻辑配对。
实现该目标的核心思路是：先 unpivot 构建索引骨架 → 清洗变量名生成逻辑分组 → 添加组内序号 → 多键 pivot 重构结构。以下是完整、可复用的解决方案：
import polars as pl
import numpy as np
import string
# 构造示例数据（同原文）
rng = np.random.default_rng(42)
nr = 3
letters = list(string.ascii_letters)
uppercase = list(string.ascii_uppercase)
words, groups = [], []
for i in range(nr):
word = ''.join([rng.choice(letters) for _ in range(rng.integers(3, 20))])
words.append(word)
group = rng.choice(uppercase)
groups.append(group)
df = pl.DataFrame({
"a_0": np.linspace(0, 1, nr),
"a_1": np.linspace(1, 2, nr),
"a_2": np.linspace(2, 3, nr),
"b_0": np.random.rand(nr),
"b_1": 2 * np.random.rand(nr),
"b_2": 3 * np.random.rand(nr),
"words": words,
"groups": groups,
})
# ✅ 关键转换：合并 a_*, b_* 列，并重复 words/groups
result = (
df
.unpivot(
index=["words", "groups"], # 将非模式列设为 pivot 索引（即保留在每行）
on=[col for col in df.columns if "_" in col and col.split("_")[-1].isdigit()] # 显式指定要 unpivot 的列（更安全）
)
.with_columns(
pl.col("variable").str.replace(r"_\d+$", "") # 提取前缀：a_0 → "a", b_1 → "b"
)
.with_columns(
index=pl.int_range(pl.len()).over("variable") # 在每个前缀组内编号（0,1,2,...），确保 a_0/a_1/a_2 的值按列序堆叠
)
.pivot(
on="variable",
index=["index", "words", "groups"],
values="value",
aggregate_function=None # 禁用聚合，确保一对一映射
)
.drop("index") # 删除临时索引列
)
print(result)输出结果与预期完全一致：
shape: (9, 4) ┌─────────────────┬────────┬─────┬──────────┐ │ words ┆ groups ┆ a ┆ b │ │ --- ┆ --- ┆ --- ┆ --- │ │ str ┆ str ┆ f64 ┆ f64 │ ╞═════════════════╪════════╪═════╪══════════╡ │ OIww ┆ W ┆ 0.0 ┆ 0.653892 │ │ KkeB ┆ Z ┆ 0.5 ┆ 0.408888 │ │ NLOAgRxAtjWOHuQ ┆ O ┆ 1.0 ┆ 0.423949 │ │ OIww ┆ W ┆ 1.0 ┆ 0.234362 │ │ KkeB ┆ Z ┆ 1.5 ┆ 0.213767 │ │ NLOAgRxAtjWOHuQ ┆ O ┆ 2.0 ┆ 0.646378 │ │ OIww ┆ W ┆ 2.0 ┆ 0.880558 │ │ KkeB ┆ Z ┆ 2.5 ┆ 1.833025 │ │ NLOAgRxAtjWOHuQ ┆ O ┆ 3.0 ┆ 0.116173 │ └─────────────────┴────────┴─────┴──────────┘
⚠️ 注意事项与最佳实践
- 列名正则更鲁棒：使用 r"_\d+$" 替代 "_.*" 可避免误删含下划线的合法前缀（如 user_name_0）；
- 显式指定 on= 参数：比依赖 unpivot 自动推断更安全，尤其当存在意外匹配列时；
- aggregate_function=None 是关键：若省略，pivot 默认使用 first 聚合，可能导致数据丢失；
- 性能提示：对于超大表，over("variable") 的窗口计算开销可控，但建议预先过滤无关列以提升效率；
- 扩展性：支持任意数量前缀组（如 c_0, c_1, d_0, d_1, d_2, d_3），只需确保命名规范统一。
该方法兼具表达力与稳定性，是 Polars 中处理“模式化列合并 + 辅助列广播”任务的标准范式。
