使用Polars with_columns时，如何减少代码/表达式重复？

针对你用Polars处理current和history两组列的场景，除了已经用到的循环优化，还有这些方法可以进一步减少代码重复：

1. 封装成单一职责的函数 #

把生成日期范围、删除原列的逻辑打包成函数，复用性和可读性都会提升，后续修改规则也只需要改一处：

def add_tpoints_and_drop(df: pl.DataFrame, prefix: str) -> pl.DataFrame:
    start_col = f"{prefix}_start"
    end_col = f"{prefix}_end"
    return df.with_columns(
        pl.date_ranges(
            pl.col(start_col),
            pl.col(end_col),
            "1mo",
            closed="left"
        ).alias(f"{prefix}_tpoints")
    ).drop(start_col, end_col)

# 调用函数处理两组列
df = add_tpoints_and_drop(df, "current")
df = add_tpoints_and_drop(df, "history")

2. 批量生成表达式，一次性执行操作 #

Polars的API更适合批量处理，一次性生成所有需要的表达式，再统一执行with_columns和drop，减少中间DataFrame的生成，效率更高：

exprs = []
drop_cols = []

for prefix in ["current", "history"]:
    start = f"{prefix}_start"
    end = f"{prefix}_end"
    exprs.append(
        pl.date_ranges(pl.col(start), pl.col(end), "1mo", closed="left").alias(f"{prefix}_tpoints")
    )
    drop_cols.extend([start, end])

# 一次完成所有列的添加和删除
df = df.with_columns(exprs).drop(drop_cols)

3. 自动匹配列前缀，提升扩展性 #

如果后续可能新增类似规则的列（比如future_start/future_end），可以通过列名前缀自动识别需要处理的列，不用硬编码前缀列表：

# 自动提取所有符合规则的前缀
prefixes = {col.split("_")[0] for col in df.columns if col.endswith("_start")}

exprs = []
drop_cols = []
for prefix in prefixes:
    start = f"{prefix}_start"
    end = f"{prefix}_end"
    exprs.append(
        pl.date_ranges(pl.col(start), pl.col(end), "1mo", closed="left").alias(f"{prefix}_tpoints")
    )
    drop_cols.extend([start, end])

df = df.with_columns(exprs).drop(drop_cols)

内容的提问来源于stack exchange，提问作者bzm3r