本文详解 Polars 中高效地对多列（如 x1、x2）同时应用 map_batches 自定义函数的方法，避免重复写表达式；核心是利用 pl.col("x1", "x2") 的批量列选择能力，并通过 .name.prefix() 统一重命名输出列，而非错误地调用 .alias("a", "b")。
本文详解 polars 中高效地对多列（如 x1、x2）同时应用 `map_batches` 自定义函数的方法，避免重复写表达式；核心是利用 `pl.col("x1", "x2")` 的批量列选择能力，并通过 `.name.prefix()` 统一重命名输出列，而非错误地调用 `.alias("a", "b")`。
在 Polars 中，pl.col("x1", "x2") 并非返回一个“多列对象”，而是一种语法糖：它会自动展开为多个独立的 pl.Expr 对象，等价于分别写出 pl.col("x1") 和 pl.col("x2")。这意味着链式操作（如 .map_batches(...)）会并行应用于每一列，无需显式循环或逐列处理。
但需特别注意：.alias() 方法仅接受单个字符串参数，用于重命名单一表达式；因此 pl.col("x1", "x2").map_batches(f).alias("new_x1", "new_x2") 会报错——Polars 无法将两个名称分配给一个（逻辑上已展开为两个）表达式。
✅ 正确做法是使用 .name.prefix()（或 .name.suffix()、.name.map()）进行批量列名变换：
import polars as pl
# 示例数据
df = pl.DataFrame({
"x1": [1, 2, 3],
"x2": [10, 20, 30],
"other": ["a", "b", "c"]
})
# 自定义函数：对每列 Batch 执行标量转换（注意：输入是 Series，需返回同长 Series）
def custom_function(s: pl.Series) -> pl.Series:
return s * 2 + 1
# ✅ 正确：对 x1、x2 同时应用函数，并统一添加前缀
df_new = df.select(
pl.col("x1", "x2").map_batches(custom_function).name.prefix("new_")
)
print(df_new)
# ┌────────┬────────┐
# │ new_x1 ┆ new_x2 │
# │ --- ┆ --- │
# │ i64 ┆ i64 │
# ╞════════╪════════╡
# │ 3 ┆ 21 │
# │ 5 ┆ 41 │
# │ 7 ┆ 61 │
# └────────┴────────┘? 补充技巧：
- 若需更灵活的重命名（如
x1 → result_a,x2 → result_b），可用.name.map()：pl.col("x1", "x2").map_batches(custom_function).name.map({"x1": "result_a", "x2": "result_b"}) - 若函数需访问多列联合信息（如
x1 + x2），则应改用pl.all()或显式选择后使用pl.struct()构造结构体传入：df.select( pl.struct("x1", "x2").map_batches(lambda s: s.struct.field("x1") + s.struct.field("x2")).alias("x1_plus_x2") )
⚠️ 注意事项：
-
map_batches中的函数接收的是polars.Series（非 pandas），务必保证返回值类型与输入兼容，且长度不变； - 避免在
map_batches中写纯 Python 循环——应尽量利用 Polars 内置向量化操作提升性能； -
.name.*系列方法仅影响输出列名，不改变计算逻辑，是安全、推荐的批量列处理模式。
掌握 pl.col("a", "b").method().name.prefix() 这一范式，可显著提升 Polars 数据预处理的简洁性与可维护性。
