Polars DataFrame无std_horizontal函数，如何计算指定列行标准差？

Polars目前没有内置的std_horizontal函数，你可以通过以下两种实用方式实现指定列的行级标准差计算：

方法一：使用pl.row()函数（推荐） #

利用row()函数选取目标列后直接调用std()方法，这是最简洁的实现方式，还支持通过ddof参数控制自由度（默认值为1，对应样本标准差；设为0则计算总体标准差）：

import polars as pl
df = pl.DataFrame(
    {
        "foo": [1, 2, 3],
        "bar": [6, 7, 8],
        "ham": ["a", "b", "c"],
    }
)

# 计算样本行标准差（ddof=1）
df = df.with_columns(
    pl.row(['foo', 'bar']).std().round(2).alias('std')
)

# 计算总体行标准差（ddof=0）
df = df.with_columns(
    pl.row(['foo', 'bar']).std(ddof=0).round(2).alias('pop_std')
)

方法二：手动实现标准差公式 #

如果需要更精细的逻辑控制，可以基于标准差的数学公式手动计算，步骤为：计算行均值→计算每个值与均值的差的平方→求平均→开平方：

df = df.with_columns(
    # 先计算行均值
    pl.mean_horizontal('foo', 'bar').alias('row_mean'),
    # 手动计算样本标准差：sqrt(Σ(x-μ)²/(n-1))，n为参与计算的列数
    (
        ((pl.col('foo') - pl.col('row_mean'))**2 + 
         (pl.col('bar') - pl.col('row_mean'))**2) / (2-1)
    ).sqrt().round(2).alias('std_manual')
)

两种方法都能得到一致的结果，其中pl.row()的写法更简洁易读，适合大多数场景。

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