如何用Polars表达式计算行均值？未找到pl.Expr.mean的axis参数

Polars里pl.Expr.mean()默认按列（纵向）计算聚合值，确实没有axis参数。要计算行均值，有几种实用的方法：

方法1：用pl.mean_horizontal（推荐） #

这是Polars专门为横向（行维度）计算均值设计的函数，用法简单直接：

import polars as pl

df = pl.DataFrame({
    "foo": [1, 2, 3],
    "bar": [6, 7, 8],
})

# 计算所有列的行均值，新增为mean_col列
df = df.with_columns(pl.mean_horizontal(pl.all()).alias("mean_col"))
print(df)

运行后输出：

shape: (3, 3)
┌─────┬─────┬─────────┐
│ foo ┆ bar ┆ mean_col│
│ --- ┆ --- ┆ ---     │
│ i64 ┆ i64 ┆ f64     │
╞═════╪═════╪═════════╡
│ 1   ┆ 6   ┆ 3.5     │
│ 2   ┆ 7   ┆ 4.5     │
│ 3   ┆ 8   ┆ 5.5     │
└─────┴─────┴─────────┘

要是只需要计算特定列的行均值，把pl.all()换成列名列表就行：

df = df.with_columns(pl.mean_horizontal(["foo", "bar"]).alias("mean_col"))

方法2：用row方法逐行处理 #

如果需要自定义行计算逻辑，可以用row方法遍历每行，配合lambda函数算均值：

df = df.with_columns(
    pl.row(return_dtype=pl.Float64).map_elements(lambda x: sum(x)/len(x)).alias("mean_col")
)

不过这种方法性能不如第一种，数据量大的时候优先用pl.mean_horizontal。

方法3：直接用pl.Expr.mean(axis=1)（Polars 0.19.0+可用） #

从Polars 0.19.0版本开始，pl.Expr.mean()新增了axis参数，现在可以直接这么写：

df = df.with_columns(pl.all().mean(axis=1).alias("mean_col"))

如果你的Polars版本比较老，建议升级后用这种更直观的写法。

内容的提问来源于stack exchange，提问作者Sigi