本文介绍如何使用 polars 的 `pivot` 方法，将长格式稀疏数据（id-key-value 三列结构）高效转换为宽格式列向量表示，适用于大规模稀疏特征工程场景。
在处理稀疏特征数据（如用户行为日志、推荐系统特征、基因表达矩阵等）时，原始存储常采用「三元组」形式：id（实体标识）、key（特征名/指标名）、value（对应取值）。这种长格式（long format）节省空间且易于追加，但下游建模或向量化计算通常需要宽格式（wide format）——即每个 key 映射为独立列，每行对应一个 id 的完整特征向量。
Polars 提供了原生、高性能的 pivot 操作，可一键完成该转换。以下基于示例数据演示标准用法：
import polars as pl
df = pl.from_repr("""
┌─────┬─────┬───────┐
│ id ┆ key ┆ value │
│ --- ┆ --- ┆ --- │
│ str ┆ str ┆ i64 │
╞═════╪═════╪═══════╡
│ a ┆ m1 ┆ 1 │
│ a ┆ m2 ┆ 2 │
│ a ┆ m3 ┆ 1 │
│ b ┆ m2 ┆ 4 │
│ c ┆ m1 ┆ 2 │
│ c ┆ m3 ┆ 6 │
│ d ┆ m4 ┆ 4 │
│ e ┆ m2 ┆ 1 │
└─────┴─────┴───────┘
""")
# 执行 pivot：以 'key' 为新列名，'id' 为索引，'value' 为填充值
result = df.pivot(
on="key", # 将该列的唯一值展开为新列
index="id", # 将该列作为行索引（保留为行标识）
values="value" # 用于填充新列单元格的值列
)
print(result)输出结果即为目标宽格式 DataFrame：
shape: (5, 5) ┌─────┬──────┬──────┬──────┬──────┐ │ id ┆ m1 ┆ m2 ┆ m3 ┆ m4 │ │ --- ┆ --- ┆ --- ┆ --- ┆ --- │ │ str ┆ i64 ┆ i64 ┆ i64 ┆ i64 │ ╞═════╪══════╪══════╪══════╪══════╡ │ a ┆ 1 ┆ 2 ┆ 1 ┆ null │ │ b ┆ null ┆ 4 ┆ null ┆ null │ │ c ┆ 2 ┆ null ┆ 6 ┆ null │ │ d ┆ null ┆ null ┆ null ┆ 4 │ │ e ┆ null ┆ 1 ┆ null ┆ null │ └─────┴──────┴──────┴──────┴──────┘
✅ 关键说明：
- pivot() 是 eager 模式专属 API（当前 Polars 版本中暂不支持 LazyFrame 直接调用），适合中等规模数据的即时转换；
- 若需在 lazy pipeline 中使用，且已知所有 key 值（例如通过 df.get_column("key").unique().to_list() 预先获取），可改用 group_by("id").agg(...) + struct 展开 + unnest 组合实现等效逻辑（详见 Polars Pivot 文档）；
- 默认行为对重复 (id, key) 组合会报错，若存在冲突，需显式指定 aggregate_function（如 pl.first(), pl.sum()）；
- 列类型自动推断：结果中各 key 列类型与原始 value 列一致（本例为 i64），缺失值统一填充为 null。
该方法比手动构造字典再拼接 DataFrame（如 Pandas 示例）更简洁、内存友好且执行更快，是 Polars 处理稀疏特征标准化流程的核心操作之一。
