如何将同一查询计划应用于多个Polars LazyFrame？

核心思路是把查询逻辑抽象成可复用的单元，直接作用于每个LazyFrame，完全不需要拼接拆分操作，以下是几种实用方案：

方法1：封装查询逻辑为函数 #

这是最直观且通用的方式，把所有需要执行的操作（过滤、转换、聚合等）打包成一个接收LazyFrame并返回处理后LazyFrame的函数。

示例代码：

import polars as pl

# 示例原始LazyFrame
train_travel = pl.LazyFrame({
    "id": [1, 2, 3],
    "distance": [100, 200, 300],
    "duration": [60, 120, 180]
})

test_travel = pl.LazyFrame({
    "id": [4, 5, 6],
    "distance": [150, 250, 350],
    "duration": [90, 150, 210]
})

# 封装查询计划为可复用函数
def process_travel_data(lf: pl.LazyFrame) -> pl.LazyFrame:
    return lf.with_columns(
        # 计算时速
        pl.col("distance") / (pl.col("duration") / 60).alias("speed_kmh")
    ).filter(
        # 过滤有效数据
        pl.col("duration") > 0
    ).select(
        # 选择目标列
        "id", "speed_kmh"
    )

# 分别应用到两个LazyFrame
processed_train = process_travel_data(train_travel)
processed_test = process_travel_data(test_travel)

# 执行并查看结果
print("处理后的训练数据：")
print(processed_train.collect())
print("\n处理后的测试数据：")
print(processed_test.collect())

不管你的查询计划有多复杂（多层聚合、窗口函数、自定义函数调用等），这个模式都能完美适配，每个LazyFrame会生成独立的查询计划，避免拼接带来的额外内存开销。

方法2：用pipe实现链式调用 #

如果习惯Polars的链式语法，可以用pipe方法把封装的函数嵌入到链式调用中：

processed_train = train_travel.pipe(process_travel_data)
processed_test = test_travel.pipe(process_travel_data)

本质和函数封装一致，只是写法更贴合Polars的风格，代码连贯性更强。

方法3：复用表达式集合 #

如果查询计划以列转换为主，可以把重复使用的表达式单独定义，再在多个LazyFrame中复用：

# 定义可复用的表达式
speed_expr = pl.col("distance") / (pl.col("duration") / 60).alias("speed_kmh")
filter_expr = pl.col("duration") > 0

# 分别应用表达式
processed_train = train_travel.with_columns(speed_expr).filter(filter_expr).select("id", "speed_kmh")
processed_test = test_travel.with_columns(speed_expr).filter(filter_expr).select("id", "speed_kmh")

这种方式适合拆分复杂逻辑，把重复的计算逻辑单独提取，便于维护和修改。

对比你提到的拼接拆分方式：复用函数/表达式的方案更高效，不会引入额外的数据拷贝和内存占用，逻辑也更清晰，每个LazyFrame的处理完全独立，无需处理标识列的额外步骤。

内容的提问来源于stack exchange，提问作者Amri Rasyidi