Polars 原生不提供 median_horizontal()，但可通过 pl.concat_list() + list.median() 组合实现高效、纯表达式式的行中位数计算，自动忽略 null 值，语义清晰且性能优异。
polars 原生不提供 `median_horizontal()`，但可通过 `pl.concat_list()` + `list.median()` 组合实现高效、纯表达式式的行中位数计算，自动忽略 null 值，语义清晰且性能优异。
在 Polars 中计算水平中位数（即对每一行中指定数值列求中位数），是数据清洗与特征工程中的常见需求。虽然 Polars 提供了 pl.mean_horizontal() 这样的便捷函数，但截至当前稳定版本（v1.0+），尚未内置 median_horizontal() 表达式。不过，借助 Polars 强大的列表表达式能力，我们可优雅地实现等效功能，且完全保持惰性计算与零拷贝优势。
✅ 推荐方案：concat_list + list.median()（纯 Polars 表达式）
该方法将目标数值列（如所有 Int64 列）按行合并为列表，再调用 .list.median() —— 此操作天然支持 null 值跳过，且无需 Python 层循环或外部依赖：
import polars as pl
df = pl.DataFrame({
"ABC": ["foo", "bar", "foo"],
"A": [1, 2, 3],
"B": [2, 1, None],
"C": [1, 2, 3]
})
result = df.with_columns(
pl.concat_list(pl.col(pl.Int64)).list.median().alias("Horizontal Median")
)
print(result)
输出：
shape: (3, 5) ┌─────┬─────┬──────┬─────┬───────────────────┐ │ ABC ┆ A ┆ B ┆ C ┆ Horizontal Median │ │ --- ┆ --- ┆ --- ┆ --- ┆ --- │ │ str ┆ i64 ┆ i64 ┆ i64 ┆ f64 │ ╞═════╪═════╪══════╪═════╪═══════════════════╡ │ foo ┆ 1 ┆ 2 ┆ 1 ┆ 1.0 │ │ bar ┆ 2 ┆ 1 ┆ 2 ┆ 2.0 │ │ foo ┆ 3 ┆ null ┆ 3 ┆ 3.0 │ └─────┴─────┴──────┴─────┴───────────────────┘
? 原理说明：
pl.concat_list(pl.col(pl.Int64))每行生成一个动态长度列表（如[1, 2, 1],[2, 1, 2],[3, null, 3]），而list.median()内部会自动过滤null并对剩余值排序取中位，结果类型统一为Float64（即使输入全为整数）。
⚠️ 注意事项与最佳实践
-
列选择需明确：
pl.col(pl.Int64)会匹配所有整型列，若数据含非目标数值列（如ID或timestamp），建议显式指定列名列表，例如pl.col(["A", "B", "C"])，避免意外包含。 -
null 处理行为一致：
.list.median()默认跳过 null，与np.nanmedian语义对齐；若需保留 null（如全行为 null 时返回 null），此行为已默认满足。 - 性能优势显著：相比 NumPy 方案，该表达式全程在 Polars Rust 引擎内执行，无 Python GIL 限制与内存复制，大数据集下速度通常快 2–5 倍。
-
类型安全：输出列为
f64，符合中位数可能为浮点的数学定义；如需强制转整型（仅当确定结果恒为整数），可链式调用.cast(pl.Int64, strict=False)，但需自行承担精度风险。
❌ 替代方案（不推荐用于生产）：NumPy 集成
尽管可行，但以下方式存在明显短板：
import numpy as np
df.with_columns(
pl.Series("Horizontal Median", np.nanmedian(df.select(pl.col(pl.Int64)), axis=1))
)
- ✖️ 触发 eager 计算：
df.select(...)返回 eager DataFrame，破坏 Polars 的惰性优化链； - ✖️ 内存冗余：需将整列数据复制到 NumPy 数组，增加内存压力；
- ✖️ 扩展性差：无法与后续
filter()/group_by()等惰性操作无缝衔接。
✅ 总结
| 方法 | 是否惰性 | null 安全 | 性能 | 推荐度 |
|---|---|---|---|---|
concat_list().list.median() |
✅ 是 | ✅ 是 | ⭐⭐⭐⭐⭐ | ★★★★★ |
np.nanmedian() + pl.Series
|
❌ 否 | ✅ 是 | ⭐⭐ | ★☆☆☆☆ |
因此，始终优先使用 pl.concat_list(...).list.median() —— 它是 Polars 生态中计算水平中位数最地道、最高效、最可维护的标准模式。
