Polars中如何将自定义函数批量应用到多列并指定对应新列名

嗨，我来帮你搞定这个Polars的批量列处理问题～

首先明确说：你尝试的第一种写法其实是可以正常工作的！只要你的custom_function能够处理多列输入（比如函数接收的是Polars的列对象集合，并且能返回对应数量的结果列），直接这么写完全没问题：

df = df.select(
  pl.col("x1","x2").map_batches(custom_function).alias("new_x1", "new_x2")
)

不过这里要注意，如果你的custom_function原本是针对单列设计的，那这种多列传入的方式可能需要你稍微调整函数，让它能适配多列的输入场景。

如果你的自定义函数就是专门处理单列的，或者你想要更灵活的列名映射（比如后续要加更多列），我更推荐用列表推导式来批量生成列表达式，既简洁又好维护：

# 先定义原列名和新列名的对应关系
col_mappings = [("x1", "new_x1"), ("x2", "new_x2")]
# 用列表推导式批量生成处理后的列表达式
df = df.select(
  *[pl.col(old_col).map_batches(custom_function).alias(new_col) for old_col, new_col in col_mappings]
)

这种方式的好处太明显了——不管你后面要加10列还是20列，只要在col_mappings里添加上对应关系就行，不用重复写一堆重复的代码块，扩展性拉满。

至于你提到的第三种逐个列写的方式：

df = df.select(
  pl.col("x1").map_batches(custom_function).alias("new_x1"),
  pl.col("x2").map_batches(custom_function).alias("new_x2")
)

这种写法是完全可行的，逻辑也特别清晰，适合列数很少的场景，但如果要处理的列多了，代码就会变得冗余，维护起来也麻烦，所以不是最优解。

总结一下：

• 函数支持多列输入 → 直接用多列+多alias的写法，最简洁
• 函数仅支持单列/需要灵活扩展 → 列表推导式批量生成表达式，高效又好维护
• 列数极少 → 逐个列写也没问题，但列多了不推荐

备注：内容来源于stack exchange，提问作者Nip