本文介绍如何在 polars 中将具有相同前缀（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`）以匹配扩展后的行数，实现高效、可扩展的宽表→长表→重组结构转换。
在数据处理中，常需将多个带编号后缀的列（如 a_0, a_1, a_2）合并为一个逻辑列 a，其值按列顺序逐列堆叠（即先全部 a_0 行，再全部 a_1 行，最后全部 a_2 行），而非逐行拼接。与此同时，其余“标识列”（如 words、groups）需被重复复制，使每组堆叠值都携带原始行上下文。这种操作本质上是“按列分组展开 + 保留标识维度 + 重聚合”，Polars 提供了简洁高效的链式解决方案。
核心思路是：
- unpivot(index=...) —— 将所有数值列转为长格式，并保留指定标识列（words, groups）作为索引；
- 标准化变量名 —— 使用 str.replace("_.*", "") 去除 _数字 后缀，统一列前缀（如 a_0 → a）；
- 构建内部序号 —— 对每个前缀组（如所有 a 行）独立生成递增索引 index，确保后续 pivot 能正确对齐行序；
- pivot(..., index=[...]) —— 以 index + 标识列为联合索引，将 value 按 variable（即 a/b）重新宽表化。
以下是完整可运行代码（适配你的示例）：
import polars as pl
import numpy as np
import string
# 构造原始 DataFrame（同问题中）
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,
})
# 执行列合并与标识列复制
result = (
df
.unpivot(index=["words", "groups"]) # 长格式化：保留 words/groups，其余列转为 variable/value
.with_columns(pl.col("variable").str.replace("_.*", "")) # 提取前缀：a_0 → a
.with_columns(index=pl.int_range(pl.len()).over("variable")) # 每个前缀内独立编号：a组0,1,2；b组0,1,2
.pivot(on="variable", index=["index", "words", "groups"], values="value") # 按前缀重聚为宽表
.drop("index") # 删除临时序号列
)
print(result)✅ 输出结果与预期完全一致（shape: (9, 4)），a 和 b 列按列堆叠，words/groups 被精确复制 3 次（对应 a_0/a_1/a_2 三列）。
⚠️ 关键注意事项：
- unpivot(index=...) 是本方案基石：它保证 words 和 groups 不被折叠，而是作为每条长记录的元数据存在；
- pl.int_range(pl.len()).over("variable") 必须作用于 variable（即前缀），而非原始列名，否则序号会跨组错乱；
- 若存在多个前缀组（如 a_*, b_*, c_*），该方法天然支持，只需确保 str.replace 正确提取前缀；
- 性能优异：全程惰性计算（LazyFrame 兼容），无需 Python 循环或 explode() 等显式复制操作。
? 进阶提示：若需动态识别前缀列（而非硬编码 ["words", "groups"]），可用正则匹配列名：
id_cols = [col for col in df.columns if not re.match(r"^[a-z]+_\d+$", col)] # 然后代入 unpivot(index=id_cols)
此方法兼顾表达力、可读性与执行效率，是 Polars 处理“前缀列归并+上下文广播”场景的标准范式。
