在Polars DataFrame中应用自定义函数创建新变量时遇报错

错误原因 #

你使用map_elements时，lambda函数接收的是单个元素值而非整列数据。此时调用pl.mean(x)，Polars会将数值类型的x误认为是列名（pl.mean()要求参数为列名字符串或数据类型），因此抛出类型错误。

正确写法 #

Polars是向量化计算框架，无需逐元素处理，直接用表达式对整列操作即可实现需求：

import polars as pl

df = pl.DataFrame({
    "a": [1, 8, 3],
    "b": [4, 5, 9]
})

# 对所有列执行 (列值 - 列均值)/列值 的计算，并添加后缀_x
result = df.with_columns(
    (pl.all() - pl.all().mean()) / pl.all()
    .name.suffix('_x')
)

print(result)

运行结果：

shape: (3, 4)
┌─────┬─────┬───────────┬───────────┐
│ a   ┆ b   ┆ a_x       ┆ b_x       │
│ --- ┆ --- ┆ ---       ┆ ---       │
│ i64 ┆ i64 ┆ f64       ┆ f64       │
╞═════╪═════╪═══════════╪═══════════╡
│ 1   ┆ 4   ┆ -3.0      ┆ -0.5      │
│ 8   ┆ 5   ┆ 0.5       ┆ -0.2      │
│ 3   ┆ 9   ┆ -0.333333 ┆ 0.333333  │
└─────┴─────┴───────────┴───────────┘

补充说明 #

• pl.all()代表所有列，也可以用pl.col("*")替代，效果一致
• 向量化操作比逐元素映射（map_elements）效率高得多，这也是Polars的核心优势之一
• 若确实需要逐元素处理，需确保lambda函数内的操作是针对单个值的，而非列级计算

内容的提问来源于stack exchange，提问作者ViSa