在Polars列应用scipy.trim_mean报错，求原因及替代计算方法

为什么触发IndexError？ #

scipy.stats.trim_mean只认numpy数组、Python列表这类实际数值集合，但pl.col("x")是Polars的列表达式对象，不是直接的数据集。直接把表达式塞给trim_mean，函数根本识别不了这种特殊对象，自然会抛出索引错误。

Polars列的数据类型 #

你示例里df["x"]的数据类型是Int64（64位整数），想确认的话跑这行代码就行：

print(df.schema)
# 输出：{'x': Int64}

在Polars中计算截尾均值的方法 #

方法1：用map_elements调用scipy的trim_mean #

通过map_elements把列的数值集合自动转成numpy数组，再传给trim_mean：

from scipy.stats import trim_mean
import polars as pl

df = pl.DataFrame({
    "x": [1, 2, 3, 4, 6, 8, 5, 9, 12, 15, 4, 6]
})

result = df.select(
    pl.col("x").map_elements(lambda s: trim_mean(s, 0.05)).alias("trim_mean")
)

print(result)

方法2：手动实现截尾逻辑（不用依赖scipy） #

用Polars原生表达式搞定：先排序，算出要截断的元素数量，取中间部分求均值，性能还更好：

trim_ratio = 0.05
result = df.select(
    pl.col("x")
    .sort()
    .slice(round(len(df)*trim_ratio), round(len(df)*(1-2*trim_ratio)))
    .mean()
    .alias("trim_mean")
)

print(result)

方法3：提取列数据为numpy数组后计算 #

先把Polars列转成numpy数组，再喂给trim_mean：

trimmed_mean = trim_mean(df["x"].to_numpy(), 0.05)
result = pl.DataFrame({"trim_mean": [trimmed_mean]})

print(result)

内容的提问来源于stack exchange，提问作者Joel Schafer