feat(probe-selection): 添加探针法因子筛选模块

src/experiment/probe_selection/noise_generator.py

@@ -0,0 +1,93 @@
+"""噪音生成器
+
+使用 Polars 零拷贝方式注入随机噪音特征。
+"""
+
+import numpy as np
+import polars as pl
+
+
+class NoiseGenerator:
+    """噪音生成器
+
+    生成服从标准正态分布的随机噪音列，使用 Polars 原生 API
+    实现零拷贝注入。
+    """
+
+    NOISE_PREFIX = "__noise__"
+
+    def __init__(self, random_state: int = 42):
+        """初始化噪音生成器
+
+        Args:
+            random_state: 随机种子，保证可复现性
+        """
+        self.random_state = random_state
+
+    def generate_noise(
+        self,
+        df: pl.DataFrame,
+        n_noise: int,
+        seed: int = 42,
+    ) -> pl.DataFrame:
+        """向 DataFrame 注入噪音特征
+
+        使用 Polars 原生 with_columns 实现零拷贝拼接。
+
+        Args:
+            df: 原始数据
+            n_noise: 噪音列数量
+            seed: 随机种子
+
+        Returns:
+            添加了噪音列的 DataFrame
+        """
+        np.random.seed(seed)
+        n_rows = df.height
+
+        # 直接生成 Polars Series 列表，然后一次性 with_columns
+        # 实现零拷贝拼接，避免转换为 Pandas
+        noise_series = [
+            pl.Series(
+                f"{self.NOISE_PREFIX}{i}",
+                np.random.randn(n_rows).astype(np.float32),
+                dtype=pl.Float32,
+            )
+            for i in range(n_noise)
+        ]
+
+        return df.with_columns(noise_series)
+
+    def remove_noise(self, df: pl.DataFrame) -> pl.DataFrame:
+        """移除噪音列
+
+        Args:
+            df: 包含噪音列的数据
+
+        Returns:
+            移除了噪音列的数据
+        """
+        noise_cols = [col for col in df.columns if col.startswith(self.NOISE_PREFIX)]
+        return df.drop(noise_cols)
+
+    def get_noise_columns(self, df: pl.DataFrame) -> list[str]:
+        """获取所有噪音列名
+
+        Args:
+            df: 数据
+
+        Returns:
+            噪音列名列表
+        """
+        return [col for col in df.columns if col.startswith(self.NOISE_PREFIX)]
+
+    def is_noise_column(self, col_name: str) -> bool:
+        """判断是否为噪音列
+
+        Args:
+            col_name: 列名
+
+        Returns:
+            是否为噪音列
+        """
+        return col_name.startswith(self.NOISE_PREFIX)