在 Polars 中，当 select() 内所有表达式均为聚合函数（如 .mean()、.sum()、.first() 等）时，框架会自动触发全局聚合，返回仅含单行的结果 DataFrame，无需借助 dummy 列或 group_by()。
在 polars 中，当 `select()` 内所有表达式均为聚合函数（如 `.mean()`、`.sum()`、`.first()` 等）时，框架会自动触发全局聚合，返回仅含单行的结果 dataframe，无需借助 dummy 列或 `group_by()`。
Polars 的设计哲学强调“上下文即语义”：select() 本身不隐含分组逻辑，但一旦其中所有列表达式均为聚合表达式（即返回标量值的表达式），Polars 便会智能推断用户意图是执行全表聚合（global aggregation），并自动将结果压缩为单行 DataFrame。
这与 Pandas 的 df.agg({...}) 行为类似，但更简洁、类型安全且零开销——无需构造虚拟分组键，也无需 group_by().agg() 的中间步骤。
✅ 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").min().alias("a_min"),
pl.col("b").n_unique().alias("b_nunique")
)
print(result)输出：
shape: (1, 4) ┌────────┬────────┬────────┬──────────┐ │ a_mean ┆ b_sum ┆ a_min ┆ b_nunique│ │ --- ┆ --- ┆ --- ┆ --- │ │ f64 ┆ i64 ┆ i64 ┆ u32 │ ╞════════╪════════╪════════╪══════════╡ │ 3.0 ┆ 3 ┆ 1 ┆ 2 │ └────────┴────────┴────────┴──────────┘
⚠️ 注意事项：
- 若 select() 中混入非聚合表达式（如 pl.col("a") 或 pl.col("a") + 1），Polars 将报错：InvalidOperationError: The column 'a' has more than one value, but aggregations are only allowed on columns with a single value. —— 这是类型安全的保护机制，确保语义明确。
- 所有聚合表达式必须兼容输入数据类型（例如对字符串列调用 .mean() 会抛出类型错误）。
- 如需同时保留原始行级字段与聚合结果，应使用 with_columns() + 聚合表达式（此时聚合结果会被广播至每行），而非 select()。
? 总结：df.select(...) 是 Polars 中实现无分组全局聚合的首选方式。它语义清晰、性能最优、代码最简，完全替代了“添加 dummy 列 → group_by() → agg()”的冗余模式。掌握这一模式，是写出地道、高效 Polars 代码的关键一步。
