如何在Rust Polars中批量添加同计算逻辑的衍生列？

针对你需要为多列批量生成逻辑相同的衍生列（如患者血压、体重的平均值）的需求，可以通过迭代器批量生成表达式的方式避免冗余代码，核心思路是遍历目标列名，自动生成带别名的计算表达式，再一次性传入with_columns。

代码示例（按患者分组计算均值） #

假设你的DataFrame包含patient_id（患者标识）、blood_pressure（血压）、weight（体重）列，需要为后两列生成对应患者的均值列：

use polars::prelude::*;

fn main() -> Result<(), Box<dyn std::error::Error>> {
    // 构造示例就诊记录DataFrame
    let df = df!(
        "patient_id" => [1, 1, 2, 2, 3],
        "blood_pressure" => [120, 130, 115, 125, 140],
        "weight" => [70, 72, 65, 68, 80]
    )?;

    // 指定需要处理的目标列
    let target_cols = &["blood_pressure", "weight"];

    // 批量生成表达式：每个列计算患者均值，新列名为「原列名_avg」
    let avg_exprs = target_cols.iter().map(|col_name| {
        col(col_name)
            .mean() // 替换为你需要的计算逻辑（如sum/median等）
            .over([col("patient_id")]) // 按患者分组计算（全局均值可去掉此句）
            .alias(format!("{}_avg", col_name)) // 自动生成别名
    });

    // 一次性添加所有衍生列
    let df_with_avg = df.with_columns(avg_exprs)?;

    println!("处理后DataFrame:\n{}", df_with_avg);
    Ok(())
}

关键细节说明 #

1. 批量表达式生成：通过iter().map()遍历目标列列表，对每个列复用相同的计算逻辑，自动拼接新列别名，彻底避免重复编写col().mean().alias()的冗余代码。
2. 窗口函数的作用：over([col("patient_id")])确保计算的是每个患者的该指标平均值，并且保留原DataFrame的所有行（而非聚合后仅保留患者分组数据）。如果需要计算全局均值，直接移除over语句即可。
3. 版本兼容性：此写法完全适配Polars 0.26.1版本，因为with_columns原生支持接收IntoIterator<Item = Expr>类型的参数，迭代器刚好满足要求。
4. 逻辑扩展性：如果需要更换计算逻辑（如中位数、总和），只需修改.mean()为对应的方法（如.median()、.sum()），所有目标列会自动应用新逻辑。

内容的提问来源于stack exchange，提问作者agent_anon