如何用Polars的select和alias更高效可读地计算DataFrame行均值？

你的代码可以改写成这样：

import polars as pl

df = pl.DataFrame(
    {
        "nrs": [1, 2, 3, None, 5],
        "names": [1., 2., 3., None, 5],
    }
)

# 用select结合mean_horizontal和alias直接生成目标列
mean_df = df.select(pl.mean_horizontal(['nrs', 'names']).alias('mean'))

为什么这样更好？ #

• 可读性提升：
  • 用mean_horizontal明确表示是行方向的均值计算，比axis=1更直观，一眼就能看懂操作意图。
  • 整个逻辑在select操作里完成，直接生成带目标列的DataFrame，不需要额外调用to_frame，代码结构更紧凑。
• 性能保障：
  • Polars对mean_horizontal这类水平聚合函数做了专门优化，执行效率和df.mean(axis=1)相当，复杂场景下表现更稳定。
  • 减少了中间Series转DataFrame的步骤，避免了不必要的数据转换开销。

如果需要保留原DataFrame的其他列同时新增mean列，也可以用with_columns：

df_with_mean = df.with_columns(pl.mean_horizontal(['nrs', 'names']).alias('mean'))

内容的提问来源于stack exchange，提问作者吴慈霆