如何在Polars中对指定列计算行方差并保留非数值列

你可以直接利用Polars的横向行计算能力，无需复杂的join/group操作，就能精准排除col4并计算其余数值列的行方差，同时保留所有原列：

方法一：直接排除指定列 #

import polars as pl

df = pl.DataFrame({
     "col1": [1, 2, 3],
     "col2": [4, 5, 6],
     "col3": [7, 8, 9],
     "col4": ["a", "v", "b"],
})

# 新增行方差列，排除col4
df = df.with_columns(
    row_variance=pl.row(pl.exclude("col4")).var()
)

方法二：明确指定数值列（更严谨） #

如果担心除col4外还有其他非数值列，可以同时筛选数值类型列：

df = df.with_columns(
    row_variance=pl.row(pl.col(pl.NUMERIC).exclude("col4")).var()
)

结果说明 #

执行后df会保留所有原列，并新增row_variance列，其中每行的值对应col1/col2/col3的行方差：

原方法的问题 #

你之前的方法会把col4的字符串值也melt到value列中，导致计算方差时触发类型错误。而上面的方法直接跳过col4，只针对目标列计算，逻辑更简洁，性能也更高。

内容的提问来源于stack exchange，提问作者klr