如何用列表推导式生成Polars聚合函数并应用于DataFrame

假设我定义了一个聚合函数名称列表：

aggs=['sum','std','mean','min','max']

现有Polars DataFrame：

import polars as pl
df=pl.DataFrame({'a':[1,2,3], 'b':[2,3,4]})

我想实现类似以下伪代码的效果（直接运行会报错）：

df.with_columns([pl.col('a').x() for x in aggs])

要求：

• 支持为生成的列添加.name.suffix()后缀
• aggs不一定是字符串列表，也可以是其他形式

有两种可行的实现方式，完全匹配你想要的列表推导式写法：

方式1：针对字符串类型的聚合函数列表 #

用Python内置的getattr()方法，动态获取Polars列对象对应的聚合方法，调用后再添加后缀：

import polars as pl

aggs = ['sum', 'std', 'mean', 'min', 'max']
df = pl.DataFrame({'a':[1,2,3], 'b':[2,3,4]})

result = df.with_columns(
    [getattr(pl.col('a'), agg)().name.suffix(f'_{agg}') for agg in aggs]
)
print(result)

运行后会生成a_sum、a_std、a_mean等列，每个列对应a列的聚合结果。

方式2：直接使用聚合函数对象列表 #

如果不想用字符串，直接把Polars的聚合函数放进列表更直观，利用函数的__name__属性生成后缀：

import polars as pl

# 直接用Polars聚合函数对象构建列表
aggs = [pl.sum, pl.std, pl.mean, pl.min, pl.max]
df = pl.DataFrame({'a':[1,2,3], 'b':[2,3,4]})

result = df.with_columns(
    [agg(pl.col('a')).name.suffix(f'_{agg.__name__}') for agg in aggs]
)
print(result)

扩展：多列批量处理 #

如果要给DataFrame的所有列都应用这些聚合函数，只需要嵌套一层列表推导：

result = df.with_columns(
    [getattr(pl.col(col), agg)().name.suffix(f'_{agg}') 
     for col in df.columns for agg in aggs]
)

内容的提问来源于stack exchange，提问作者Dean MacGregor