Polars中遍历列执行转换的最优方法及推荐实现方式

首先，我理解你想要实现的是：用df1的每一列作为行权重，计算df2各列的加权平均值——也就是对df2每一列，按行乘以对应df1列的权重，求和后再除以该权重列的总和，最终得到一个以df2列名为行、df1列名为列的结果表。

在Polars里，我们完全不需要像Pandas那样用apply循环处理，因为Polars天生支持高效的矢量化操作，不仅代码更简洁，性能也会好很多（尤其是数据量较大时）。下面给你两种推荐的实现方式：

方法一：矩阵乘法（最简洁高效） #

利用Polars的矩阵乘法特性，直接通过转置和乘法完成计算，完全规避循环：

import polars as pl
import numpy as np

# 生成示例数据
df1 = pl.DataFrame(
    {
        "A": np.random.rand(10),
        "B": np.random.rand(10),
        "C": np.random.rand(10)
    }
)

df2 = pl.DataFrame(
    {
        "X1": np.random.rand(10),
        "X2": np.random.rand(10),
        "X3": np.random.rand(10)
    }
)

# 计算权重列的总和
weights_sum = df1.sum()

# 核心计算：转置df2后与df1做矩阵乘法，再除以权重总和
result = (df2.transpose() @ df1) / weights_sum
print(result)

逻辑说明： #

• df2.transpose()把df2从10行3列转为3行10列，df1是10行3列，两者相乘后得到3行3列的结果（对应df2的列 × df1的列）
• 除以weights_sum（df1各列的总和），就得到了每一组的加权平均值，最终结果的结构和你Pandas代码输出完全一致。

方法二：表达式生成（更灵活，适合复杂场景） #

如果需要更定制化的操作，可以通过生成表达式的方式构建计算逻辑，同样不需要显式循环：

# 为df1的每一列生成对应的加权平均表达式
exprs = [
    (pl.sum(df2.select(pl.all() * pl.col(weight_col))) / pl.sum(pl.col(weight_col))).alias(weight_col)
    for weight_col in df1.columns
]

# 生成结果并转置成目标格式
result = pl.DataFrame(exprs).transpose(
    include_header=True,
    header_name="column",
    column_names=df1.columns
).rename({"column": ""})
print(result)

逻辑说明： #

• 遍历df1的列名，对每个权重列，计算df2所有列与该权重列的乘积之和，再除以权重列的总和
• 最后通过转置调整结果的行列结构，匹配需求的输出格式。

为什么不推荐循环？ #

Polars的核心优势在于矢量化计算，它的查询引擎会自动优化矢量化操作的执行效率。如果像Pandas那样用循环或apply逐列处理，会完全浪费Polars的性能优势，尤其是数据量较大时，矢量化实现的速度会比循环快一个数量级以上。

备注：内容来源于stack exchange，提问作者Sharma