Polars如何基于列表中的列名对指定列求和生成新列

当待求和的列名统一存储在列表中时，不需要手动逐列写相加表达式，可直接用Polars内置的横向求和方法实现，也支持自定义表达式累加的写法，具体如下：

• 方法1：使用内置pl.sum_horizontal()（推荐）
  这个方法是Polars专门为行级横向求和设计的，直接传入列名列表即可，代码最简洁：

  import polars as pl
  
  # 构造示例数据
  df = pl.DataFrame({
      "col1": [1, 2, 3],
      "col2": [4, 5, 6],
      "col3": [7, 8, None]
  })
  # 待求和的列名列表
  target_cols = ["col1", "col2", "col3"]
  
  # 横向求和生成新列，默认自动跳过空值
  df = df.with_columns(
      pl.sum_horizontal(target_cols).alias("new_colname")
  )
  

  如果要求所有待求和列都非空才返回求和结果，只要加ignore_nulls=False参数即可：

  pl.sum_horizontal(target_cols, ignore_nulls=False).alias("new_colname")
  

• 方法2：表达式累加（适合需要自定义运算逻辑的场景）
  如果除了简单求和还需要叠加其他计算逻辑，可以把列表内的列名批量转为pl.col对象，用Python内置sum函数累加表达式：

  df = df.with_columns(
      sum(pl.col(c) for c in target_cols).alias("new_colname")
  )
  

注意：你给出的示例代码存在括号位置错误，别名.alias()需要包裹整个求和表达式，而不是只加在最后一个列对象上，否则别名只会绑定到最后一列，求和逻辑会不符合预期。错误写法：pl.col('colname1') + pl.col('colname2').alias('new_colname')，正确写法：(pl.col('colname1') + pl.col('colname2')).alias('new_colname')

内容的提问来源于stack exchange，提问作者Glenn Pierce