如何将Polars DataFrame各列除以另一DataFrame的对应列标量

我是Polars新手，现在需要处理一个场景：有一个m×n的Polars DataFrame（df），还有一个1×n的Polars DataFrame（scalars），要求把df的每一列，对应除以scalars中同列的那个标量值。

示例数据代码 #

import numpy as np
import polars as pl

cols = list('abc')
df = pl.DataFrame(np.linspace(1, 9, 9).reshape(3, 3),
                  schema=cols)
scalars = pl.DataFrame(np.linspace(1, 3, 3)[:, None],
                       schema=cols)

df的输出 #

shape: (3, 3)
┌─────┬─────┬─────┐
│ a   ┆ b   ┆ c   │
│ --- ┆ --- ┆ --- │
│ f64 ┆ f64 ┆ f64 │
╞═════╪═════╪═════╡
│ 1.0 ┆ 2.0 ┆ 3.0 │
│ 4.0 ┆ 5.0 ┆ 6.0 │
│ 7.0 ┆ 8.0 ┆ 9.0 │
└─────┴─────┴─────┘

scalars的输出 #

shape: (1, 3)
┌─────┬─────┬─────┐
│ a   ┆ b   ┆ c   │
│ --- ┆ --- ┆ --- │
│ f64 ┆ f64 ┆ f64 │
╞═════╪═════╪═════╡
│ 1.0 ┆ 2.0 ┆ 3.0 │
└─────┴─────┴─────┘

已有实现方式 #

Pandas+NumPy广播实现 #

我用Pandas结合NumPy广播可以轻松实现需求：

df.to_pandas() / scalars.to_numpy()

输出：

a    b    c
0  1.0  1.0  1.0
1  4.0  2.5  2.0
2  7.0  4.0  3.0

自行想到的Polars合并运算 #

我尝试通过合并两个DataFrame后运算：

(pl.concat([df, scalars])
 .with_columns(pl.all() / pl.all().tail(1))
 .head(-1))

输出：

shape: (3, 3)
┌─────┬─────┬─────┐
│ a   ┆ b   ┆ c   │
│ --- ┆ --- ┆ --- │
│ f64 ┆ f64 ┆ f64 │
╞═════╪═════╪═════╡
│ 1.0 ┆ 1.0 ┆ 1.0 │
│ 4.0 ┆ 2.5 ┆ 2.0 │
│ 7.0 ┆ 4.0 ┆ 3.0 │
└─────┴─────┴─────┘

Polars原生最优实现方法 #

方法1：利用Polars自动广播特性直接运算 #

Polars支持维度兼容的自动广播，scalars是1行n列，df是m行n列，直接做除法即可，Polars会自动把scalars的行广播到df的所有行：

result = df / scalars

输出和预期完全一致，代码简洁且性能最优。

方法2：提取标量值逐列运算 #

如果需要更明确地控制列对应关系，可以提取scalars中每列的单个值，对df的对应列做除法：

result = df.select([
    pl.col(col) / scalars[col].item() 
    for col in df.columns
])

这种方式逻辑直观，适合需要单独处理部分列的场景，性能与广播方法接近。

方法3：显式广播后运算 #

可以把scalars显式广播到和df相同的行数，再做除法，适合需要明确广播步骤的场景：

result = df / scalars.with_row_count().drop("row_nr").broadcast_to(df.shape)

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