在Polars中实现分组后组内元素减组均值的等效代码（对应Pandas实现）

嘿，我来帮你搞定这个Polars的等效代码问题！

你在Pandas里的代码是对b、c列做组内（按a分组）的均值中心化——也就是每列的元素减去对应组的均值，最后把结果替换回原列对吧？在Polars里，因为它是表达式优先的设计，所以不能直接像Pandas那样用DataFrame的sub方法，得用表达式语法来实现，不过其实更简洁高效。

直接给你两种可行的写法：

写法一：逐个列定义表达式 #

import polars as pl

# 假设你的Polars DataFrame叫df
df = df.with_columns(
    (pl.col("b") - pl.col("b").mean().over("a")).alias("b"),
    (pl.col("c") - pl.col("c").mean().over("a")).alias("c")
)

写法二：批量处理列更简洁 #

如果要处理的列比较多，用列表推导式批量生成表达式更省事：

df = df.with_columns(
    [pl.col(col) - pl.col(col).mean().over("a") for col in ["b", "c"]]
)

为什么这么写？

这里的核心是over("a")——它相当于告诉Polars：计算mean()的时候，要按a列的值分组来算。然后我们把原列减去这个组内均值，用alias指定原来的列名，这样就会直接替换原DataFrame里的b、c列，最终输出的就是和你Pandas代码结果一致的完整DataFrame，而不是分组后的版本。

你之前尝试用sub遇到问题，是因为Polars的DataFrame方法更偏向于表达式输入，而上面这种写法完全贴合Polars的设计思路，还能充分发挥它的向量化性能优势~

备注：内容来源于stack exchange，提问作者p__10