トップ / 集約・構造変換

pivot

行の値を列に展開する（縦持ちから横持ちへ）。

df.pivot("department", ["sales", "eng"]).sum("salary")

ldf.pivot(on="department", on_columns=["sales", "eng"], values="salary", aggregate_function="sum")

挙動・設計の違い

SnowparkはSQLのPIVOT構文に直結し、展開する列名の一覧を静的に指定することでクエリレベルで安全に列を生成する。Polarsはメモリ上でハッシュテーブルを組み替えて新しい列を作る。

移行時の落とし穴

Polars 1.43.2ではLazyFrame.pivot()を直接呼び出せる（実機で確認済み）。ただしDataFrame（Eager）版のpivot()と違い、on_columns（展開後の列名の一覧）を明示的に渡すことが必須で、省略するとTypeErrorになる。「LazyFrameからpivotは呼べず必ずcollect()を挟む必要がある」という情報を見かけることがあるが、少なくとも1.43.2ではこれは誤りで、正しくは「呼べるがon_columnsの指定が必須」という違いになる。

集約・構造変換の他のメソッド

• group_by / groupBy ── 指定した列の値でグループ化する。集約する前段階として使う。
• agg ── group_byで作ったグループごとに、集約の計算をまとめて指定する。
• count ── 行数を数える。
• sum ── 列の値を合計する。
• avg / mean ── 列の値の平均を求める。
• min ── 列の最小値を求める。
• max ── 列の最大値を求める。
• unpivot ── pivotの逆。複数列を1つの列にまとめる（横持ちから縦持ちへ）。

出典・検証情報

• Snowpark 公式リファレンス（pivot）
• Polars 公式リファレンス（pivot）

Polars 1.43.2 で実行確認 / Snowpark Python SDK 1.54.0 で静的検証（2026-08-22）