How to Use Aggregation Functions as an Index in a Polars DataFrame?

I have a Polars DataFrame, and I want to create a summarized view where aggregated values (e.g., unique IDs, total sends) are displayed in a format that makes comparison across months easier. Here’s an example of my dataset:

My example dataframe:

Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>import polars as pl
df = pl.DataFrame({
"Channel": ["X", "X", "Y", "Y", "X", "X", "Y", "Y", "X", "X", "Y", "Y", "X", "X", "Y", "Y"],
"ID": ["a", "b", "b", "a", "e", "b", "g", "h", "a", "a", "k", "a", "b", "n", "o", "p"],
"Month": ["1", "2", "1", "2", "1", "2", "1", "2", "1", "2", "1", "2", "1", "2", "1", "2"]
})
</code>
<code>import polars as pl df = pl.DataFrame({ "Channel": ["X", "X", "Y", "Y", "X", "X", "Y", "Y", "X", "X", "Y", "Y", "X", "X", "Y", "Y"], "ID": ["a", "b", "b", "a", "e", "b", "g", "h", "a", "a", "k", "a", "b", "n", "o", "p"], "Month": ["1", "2", "1", "2", "1", "2", "1", "2", "1", "2", "1", "2", "1", "2", "1", "2"] }) </code>
import polars as pl
df = pl.DataFrame({
    "Channel": ["X", "X", "Y", "Y", "X", "X", "Y", "Y", "X", "X", "Y", "Y", "X", "X", "Y", "Y"],
    "ID": ["a", "b", "b", "a", "e", "b", "g", "h", "a", "a", "k", "a", "b", "n", "o", "p"],
    "Month": ["1", "2", "1", "2", "1", "2", "1", "2", "1", "2", "1", "2", "1", "2", "1", "2"]
})

Currently, I use the following group_by() approach to calculate the number of unique IDs and the total number of sends for each Month and Channel:

Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>(
df
.group_by(
pl.col("Month"),
pl.col("Channel")
)
.agg(
pl.col("ID").n_unique().alias("Uniques ID"),
pl.col("ID").len().alias("Total sends")
)
)
shape: (4, 4)
┌───────┬─────────┬────────────┬─────────────┐
│ Month ┆ Channel ┆ Uniques ID ┆ Total sends │
│ --- ┆ --- ┆ --- ┆ --- │
│ str ┆ str ┆ u32 ┆ u32 │
╞═══════╪═════════╪════════════╪═════════════╡
1 ┆ X ┆ 34
1 ┆ Y ┆ 44
2 ┆ X ┆ 34
2 ┆ Y ┆ 34
└───────┴─────────┴────────────┴─────────────┘
</code>
<code>( df .group_by( pl.col("Month"), pl.col("Channel") ) .agg( pl.col("ID").n_unique().alias("Uniques ID"), pl.col("ID").len().alias("Total sends") ) ) shape: (4, 4) ┌───────┬─────────┬────────────┬─────────────┐ │ Month ┆ Channel ┆ Uniques ID ┆ Total sends │ │ --- ┆ --- ┆ --- ┆ --- │ │ str ┆ str ┆ u32 ┆ u32 │ ╞═══════╪═════════╪════════════╪═════════════╡ │ 1 ┆ X ┆ 3 ┆ 4 │ │ 1 ┆ Y ┆ 4 ┆ 4 │ │ 2 ┆ X ┆ 3 ┆ 4 │ │ 2 ┆ Y ┆ 3 ┆ 4 │ └───────┴─────────┴────────────┴─────────────┘ </code>
(
    df
    .group_by(
        pl.col("Month"),
        pl.col("Channel")
    )
    .agg(
        pl.col("ID").n_unique().alias("Uniques ID"),
        pl.col("ID").len().alias("Total sends")
    )
)
shape: (4, 4)
┌───────┬─────────┬────────────┬─────────────┐
│ Month ┆ Channel ┆ Uniques ID ┆ Total sends │
│ ---   ┆ ---     ┆ ---        ┆ ---         │
│ str   ┆ str     ┆ u32        ┆ u32         │
╞═══════╪═════════╪════════════╪═════════════╡
│ 1     ┆ X       ┆ 3          ┆ 4           │
│ 1     ┆ Y       ┆ 4          ┆ 4           │
│ 2     ┆ X       ┆ 3          ┆ 4           │
│ 2     ┆ Y       ┆ 3          ┆ 4           │
└───────┴─────────┴────────────┴─────────────┘

However, my actual dataset is much larger, and have more agg_functions, so I want a format that better highlights comparisons across months. Ideally, I want the output to look like this:

Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>| Channels | agg_func | months | months |
|----------|--------------|--------|--------|
| | | 1 | 2 |
| X | Uniques ID | 3 | 3 |
| X | Total sends | 4 | 4 |
| Y | Uniques ID | 4 | 3 |
| Y | Total sends | 4 | 4 |
</code>
<code>| Channels | agg_func | months | months | |----------|--------------|--------|--------| | | | 1 | 2 | | X | Uniques ID | 3 | 3 | | X | Total sends | 4 | 4 | | Y | Uniques ID | 4 | 3 | | Y | Total sends | 4 | 4 | </code>
| Channels | agg_func     | months | months |
|----------|--------------|--------|--------|
|          |              | 1      | 2      |
| X        | Uniques ID   | 3      | 3      |
| X        | Total sends  | 4      | 4      |
| Y        | Uniques ID   | 4      | 3      |
| Y        | Total sends  | 4      | 4      |

I believe I could use .pivot() and pass the aggregation functions as part of the index. But, I’m not sure how to implement this directly without creating an auxiliary DataFrame. Any suggestions?

You can aggregate multiple aggregates while pivoting and then explode the lists:

Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>(
df.pivot(
on="Month",
values="ID",
aggregate_function=
pl.concat_list(
pl.element().n_unique().alias("value"),
pl.element().len().alias("value")
)
)
.with_columns(agg_func=["Uniques ID","Total sends"])
.explode(pl.exclude("Channel"))
)
</code>
<code>( df.pivot( on="Month", values="ID", aggregate_function= pl.concat_list( pl.element().n_unique().alias("value"), pl.element().len().alias("value") ) ) .with_columns(agg_func=["Uniques ID","Total sends"]) .explode(pl.exclude("Channel")) ) </code>
(
    df.pivot(
        on="Month",
        values="ID",
        aggregate_function=
        pl.concat_list(
            pl.element().n_unique().alias("value"),
            pl.element().len().alias("value")
        )
    )
    .with_columns(agg_func=["Uniques ID","Total sends"])
    .explode(pl.exclude("Channel"))
)
Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>shape: (4, 4)
┌─────────┬─────┬─────┬─────────────┐
│ Channel ┆ 12 ┆ agg_func │
│ --- ┆ --- ┆ --- ┆ --- │
│ str ┆ u32 ┆ u32 ┆ str │
╞═════════╪═════╪═════╪═════════════╡
│ X ┆ 33 ┆ Uniques ID │
│ X ┆ 44 ┆ Total sends │
│ Y ┆ 43 ┆ Uniques ID │
│ Y ┆ 44 ┆ Total sends │
└─────────┴─────┴─────┴─────────────┘
</code>
<code>shape: (4, 4) ┌─────────┬─────┬─────┬─────────────┐ │ Channel ┆ 1 ┆ 2 ┆ agg_func │ │ --- ┆ --- ┆ --- ┆ --- │ │ str ┆ u32 ┆ u32 ┆ str │ ╞═════════╪═════╪═════╪═════════════╡ │ X ┆ 3 ┆ 3 ┆ Uniques ID │ │ X ┆ 4 ┆ 4 ┆ Total sends │ │ Y ┆ 4 ┆ 3 ┆ Uniques ID │ │ Y ┆ 4 ┆ 4 ┆ Total sends │ └─────────┴─────┴─────┴─────────────┘ </code>
shape: (4, 4)
┌─────────┬─────┬─────┬─────────────┐
│ Channel ┆ 1   ┆ 2   ┆ agg_func    │
│ ---     ┆ --- ┆ --- ┆ ---         │
│ str     ┆ u32 ┆ u32 ┆ str         │
╞═════════╪═════╪═════╪═════════════╡
│ X       ┆ 3   ┆ 3   ┆ Uniques ID  │
│ X       ┆ 4   ┆ 4   ┆ Total sends │
│ Y       ┆ 4   ┆ 3   ┆ Uniques ID  │
│ Y       ┆ 4   ┆ 4   ┆ Total sends │
└─────────┴─────┴─────┴─────────────┘

Or, you can do it with multiple pivots (one per aggregate function):

Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>pl.concat([
df.pivot(
on="Month",
values="ID",
aggregate_function=agg_func
).with_columns(
pl.lit(agg_func_name).alias("agg_func")
)
for agg_func, agg_func_name in [
(pl.element().n_unique(), "Uniques ID"),
(pl.element().len(), "Total sends")
]
])
# alternatively group_by first and then pivot
# pl.concat([
# df.group_by("Month","Channel")
# .agg(agg_func)
# .with_columns(agg_func=pl.lit(agg_func_name))
# for agg_func, agg_func_name in [
# (pl.col.ID.n_unique(), "Uniques ID"),
# (pl.col.ID.len(), "Total sends")
# ]
# ]).pivot(on="Month", values="ID")
</code>
<code>pl.concat([ df.pivot( on="Month", values="ID", aggregate_function=agg_func ).with_columns( pl.lit(agg_func_name).alias("agg_func") ) for agg_func, agg_func_name in [ (pl.element().n_unique(), "Uniques ID"), (pl.element().len(), "Total sends") ] ]) # alternatively group_by first and then pivot # pl.concat([ # df.group_by("Month","Channel") # .agg(agg_func) # .with_columns(agg_func=pl.lit(agg_func_name)) # for agg_func, agg_func_name in [ # (pl.col.ID.n_unique(), "Uniques ID"), # (pl.col.ID.len(), "Total sends") # ] # ]).pivot(on="Month", values="ID") </code>
pl.concat([
    df.pivot(
       on="Month",
       values="ID",
       aggregate_function=agg_func
    ).with_columns(
        pl.lit(agg_func_name).alias("agg_func")
    )
    for agg_func, agg_func_name in [
        (pl.element().n_unique(), "Uniques ID"), 
        (pl.element().len(), "Total sends")
    ]
])

# alternatively group_by first and then pivot
# pl.concat([
#     df.group_by("Month","Channel")
#     .agg(agg_func)
#     .with_columns(agg_func=pl.lit(agg_func_name))
#     for agg_func, agg_func_name in [
#         (pl.col.ID.n_unique(), "Uniques ID"), 
#         (pl.col.ID.len(), "Total sends")
#     ]
# ]).pivot(on="Month", values="ID")
Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>shape: (4, 4)
┌─────────┬─────┬─────┬─────────────┐
│ Channel ┆ 12 ┆ agg_func │
│ --- ┆ --- ┆ --- ┆ --- │
│ str ┆ u32 ┆ u32 ┆ str │
╞═════════╪═════╪═════╪═════════════╡
│ X ┆ 33 ┆ Uniques ID │
│ Y ┆ 43 ┆ Uniques ID │
│ X ┆ 44 ┆ Total sends │
│ Y ┆ 44 ┆ Total sends │
└─────────┴─────┴─────┴─────────────┘
</code>
<code>shape: (4, 4) ┌─────────┬─────┬─────┬─────────────┐ │ Channel ┆ 1 ┆ 2 ┆ agg_func │ │ --- ┆ --- ┆ --- ┆ --- │ │ str ┆ u32 ┆ u32 ┆ str │ ╞═════════╪═════╪═════╪═════════════╡ │ X ┆ 3 ┆ 3 ┆ Uniques ID │ │ Y ┆ 4 ┆ 3 ┆ Uniques ID │ │ X ┆ 4 ┆ 4 ┆ Total sends │ │ Y ┆ 4 ┆ 4 ┆ Total sends │ └─────────┴─────┴─────┴─────────────┘ </code>
shape: (4, 4)
┌─────────┬─────┬─────┬─────────────┐
│ Channel ┆ 1   ┆ 2   ┆ agg_func    │
│ ---     ┆ --- ┆ --- ┆ ---         │
│ str     ┆ u32 ┆ u32 ┆ str         │
╞═════════╪═════╪═════╪═════════════╡
│ X       ┆ 3   ┆ 3   ┆ Uniques ID  │
│ Y       ┆ 4   ┆ 3   ┆ Uniques ID  │
│ X       ┆ 4   ┆ 4   ┆ Total sends │
│ Y       ┆ 4   ┆ 4   ┆ Total sends │
└─────────┴─────┴─────┴─────────────┘

Of course, you can also extend your solution with unpivot and pivot

Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>(
df
.group_by("Month","Channel")
.agg(
pl.col("ID").n_unique().alias("Uniques ID"),
pl.col("ID").len().alias("Total sends")
)
.unpivot(index=["Month","Channel"], variable_name="agg_func")
.pivot(on="Month", values="value")
)
</code>
<code>( df .group_by("Month","Channel") .agg( pl.col("ID").n_unique().alias("Uniques ID"), pl.col("ID").len().alias("Total sends") ) .unpivot(index=["Month","Channel"], variable_name="agg_func") .pivot(on="Month", values="value") ) </code>
(
    df
    .group_by("Month","Channel")
    .agg(
        pl.col("ID").n_unique().alias("Uniques ID"),
        pl.col("ID").len().alias("Total sends")
    )
    .unpivot(index=["Month","Channel"], variable_name="agg_func")
    .pivot(on="Month", values="value")
)
Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>shape: (4, 4)
┌─────────┬─────────────┬─────┬─────┐
│ Channel ┆ agg_func ┆ 21
│ --- ┆ --- ┆ --- ┆ --- │
│ str ┆ str ┆ u32 ┆ u32 │
╞═════════╪═════════════╪═════╪═════╡
│ Y ┆ Uniques ID ┆ 34
│ X ┆ Uniques ID ┆ 33
│ Y ┆ Total sends ┆ 44
│ X ┆ Total sends ┆ 44
└─────────┴─────────────┴─────┴─────┘
</code>
<code>shape: (4, 4) ┌─────────┬─────────────┬─────┬─────┐ │ Channel ┆ agg_func ┆ 2 ┆ 1 │ │ --- ┆ --- ┆ --- ┆ --- │ │ str ┆ str ┆ u32 ┆ u32 │ ╞═════════╪═════════════╪═════╪═════╡ │ Y ┆ Uniques ID ┆ 3 ┆ 4 │ │ X ┆ Uniques ID ┆ 3 ┆ 3 │ │ Y ┆ Total sends ┆ 4 ┆ 4 │ │ X ┆ Total sends ┆ 4 ┆ 4 │ └─────────┴─────────────┴─────┴─────┘ </code>
shape: (4, 4)
┌─────────┬─────────────┬─────┬─────┐
│ Channel ┆ agg_func    ┆ 2   ┆ 1   │
│ ---     ┆ ---         ┆ --- ┆ --- │
│ str     ┆ str         ┆ u32 ┆ u32 │
╞═════════╪═════════════╪═════╪═════╡
│ Y       ┆ Uniques ID  ┆ 3   ┆ 4   │
│ X       ┆ Uniques ID  ┆ 3   ┆ 3   │
│ Y       ┆ Total sends ┆ 4   ┆ 4   │
│ X       ┆ Total sends ┆ 4   ┆ 4   │
└─────────┴─────────────┴─────┴─────┘

Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa Dịch vụ tổ chức sự kiện 5 sao Thông tin về chúng tôi Dịch vụ sinh nhật bé trai Dịch vụ sinh nhật bé gái Sự kiện trọn gói Các tiết mục giải trí Dịch vụ bổ trợ Tiệc cưới sang trọng Dịch vụ khai trương Tư vấn tổ chức sự kiện Hình ảnh sự kiện Cập nhật tin tức Liên hệ ngay Thuê chú hề chuyên nghiệp Tiệc tất niên cho công ty Trang trí tiệc cuối năm Tiệc tất niên độc đáo Sinh nhật bé Hải Đăng Sinh nhật đáng yêu bé Khánh Vân Sinh nhật sang trọng Bích Ngân Tiệc sinh nhật bé Thanh Trang Dịch vụ ông già Noel Xiếc thú vui nhộn Biểu diễn xiếc quay đĩa Dịch vụ tổ chức tiệc uy tín Khám phá dịch vụ của chúng tôi Tiệc sinh nhật cho bé trai Trang trí tiệc cho bé gái Gói sự kiện chuyên nghiệp Chương trình giải trí hấp dẫn Dịch vụ hỗ trợ sự kiện Trang trí tiệc cưới đẹp Khởi đầu thành công với khai trương Chuyên gia tư vấn sự kiện Xem ảnh các sự kiện đẹp Tin mới về sự kiện Kết nối với đội ngũ chuyên gia Chú hề vui nhộn cho tiệc sinh nhật Ý tưởng tiệc cuối năm Tất niên độc đáo Trang trí tiệc hiện đại Tổ chức sinh nhật cho Hải Đăng Sinh nhật độc quyền Khánh Vân Phong cách tiệc Bích Ngân Trang trí tiệc bé Thanh Trang Thuê dịch vụ ông già Noel chuyên nghiệp Xem xiếc khỉ đặc sắc Xiếc quay đĩa thú vị
Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa
Thiết kế website Thiết kế website Thiết kế website Cách kháng tài khoản quảng cáo Mua bán Fanpage Facebook Dịch vụ SEO Tổ chức sinh nhật