groupby 结果在 polars 中不一致

Question

在用户指南中，有一个例子：

from datetime import date

def compute_age() -> pl.Expr:
    return date(2021, 1, 1).year - pl.col("birthday").dt.year()

def avg_birthday(gender: str) -> pl.Expr:
    return compute_age().filter(
            pl.col("gender") == gender
        ).mean().alias(f"avg {gender} birthday")


q = (
    datasetn.lazy()
    .groupby(["state"])
    .agg(
        [
            avg_birthday("M"), 
            avg_birthday("F"),
            (pl.col("gender") == "M").count().alias("# male"), 
            (pl.col("gender") == "F").sum().alias("# female"),
        ]
    )
)
df = q.collect()
df

结果不一致。例如：运行第一次:

state	avg M birthday	avg F birthday	# male	# female
str	f64	f64	u32	u32
ME	58.0	67.5	4	2
AZ	60.375	59.666667	11	3
VT	78.333333	null	3	0
GU	40.0	null	1	0
KS	54.2	41.0	6	1
LA	58.0	40.0	8	1

例如：运行第二次：

state	avg M birthday	avg F birthday	# male	# female
str	f64	f64	u32	u32
NC	56.181818	69.0	15	4
MA	60.0	56.25	11	4
CO	57.428571	49.5	9	2
IA	70.0	52.75	6	4
CA	57.323529	67.75	54	20
ME	58.0	67.5	4	2
NV	55.5	61.75	6	4

我猜可能是并联引起的吧？这是错误还是功能？如何保持结果一致？

Answer 1

在 groupby 上使用 maintain_order=True。

maintain_order: Make sure that the order of the groups remain consistent. This is more expensive than a default groupby. Note that this only works in expression aggregations.

（顺便说一句，我不确定您的 post 中的 squeeze=True 参数是从哪里得到的。）

.groupby(["state"], squeeze=True)

groupby 结果在 polars 中不一致

groupby result is inconsistent in polars

python

python-polars