如何在Polars DataFrame中对所有列应用自定义汇总函数？

要在Polars中完成和Pandas df.apply(my_func, axis=0) 相同的列级自定义函数汇总，有几种简洁的实现方式，以下是对应你示例的具体代码：

方法1：使用 pl.select() + map_batches() #

这是最贴近Pandas用法的方式，通过pl.all()选中所有列，再用map_batches()对每一列应用自定义函数：

import polars as pl
import pandas as pd
import numpy as np

# 测试数据
data = {'a':[1, 2, 3, 4, 5], 
        'b': [2, 4, 6, 8, 10]}

# Pandas和Polars数据集
df = pd.DataFrame(data)
pdf = pl.DataFrame(data)

# 用于列汇总的自定义函数
my_func = lambda x: np.log(x.mean())

# Pandas中的实现方式
pd_result = df.apply(my_func, axis=0)
print("Pandas结果：")
print(pd_result)

# Polars中的实现方式
pl_result = pdf.select(pl.all().map_batches(my_func))
print("\nPolars结果：")
print(pl_result)

运行后两者输出的数据值完全一致，Pandas返回Series，Polars返回单行DataFrame，结构逻辑对齐。

方法2：使用 agg() 进行聚合汇总 #

如果你的自定义函数属于聚合类操作（比如示例中的求均值再取对数），也可以用agg()方法实现：

pl_result_agg = pdf.agg(pl.all().map_batches(my_func))
print("\nPolars agg结果：")
print(pl_result_agg)

关键说明 #

• Polars的map_batches()会将每一列作为Polars Series传入自定义函数，函数处理逻辑和Pandas中一致（示例中x.mean()在Polars Series上同样生效，Polars支持大部分NumPy/Pandas风格的Series方法）。
• 若需要将结果转换为类似Pandas Series的一维结构，可使用pl_result.to_series()或pl_result.to_numpy()进行格式转换。

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