如何在 Polars 中高效添加多个空列（来自列表）

本文介绍在 Polars 中向现有 DataFrame 批量添加空列的标准、高效方法，重点推荐使用 pl.lit().alias() 配合 with_columns()，避免低效的 cross join 操作，兼顾性能、可读性与 Polars 原生表达风格。

本文介绍在 Polars 中向现有 DataFrame 批量添加空列的标准、高效方法，重点推荐使用 `pl.lit().alias()` 配合 `with_columns()`，避免低效的 cross join 操作，兼顾性能、可读性与 Polars 原生表达风格。

在 Polars 中，为已有 DataFrame 动态添加多个新列（尤其是空值或默认值列）是常见需求。相比 Pandas 的 assign() 或手动构造字典，Polars 提供了更函数式、惰性求值友好的方式——核心在于 利用字面量表达式（literal expressions）配合 with_columns()，而非创建临时 DataFrame 并执行 join。

最简洁、地道的实现如下：

AI Code Reviewer

AI自动审核代码

import polars as pl

df = pl.DataFrame({'a': [1, 2, 3]})
mylist = [f'col{i}' for i in range(1, 4)]

# ✅ 推荐：使用 pl.lit() + alias() + with_columns()
result = df.with_columns(
    pl.lit('').alias(col) for col in mylist
)

print(result)

输出：

shape: (3, 4)
┌─────┬──────┬──────┬──────┐
│ a   ┆ col1 ┆ col2 ┆ col3 │
│ --- ┆ ---  ┆ ---  ┆ ---  │
│ i64 ┆ str  ┆ str  ┆ str  │
╞═════╪══════╪══════╪══════╡
│ 1   ┆      ┆      ┆      │
│ 2   ┆      ┆      ┆      │
│ 3   ┆      ┆      ┆      │
└─────┴──────┴──────┴──────┘

✅ 为什么这是“更 Polars 的方式”？

• pl.lit('') 创建一个标量字面量表达式，Polars 会自动广播（broadcast）至所有行，无需显式构造长度匹配的列表；
• with_columns() 是 Polars 原生的列扩展接口，支持表达式、Series 或字面量，语义清晰且性能优异（零拷贝优化）；
• 整个操作保持惰性（lazy）兼容性，可在 LazyFrame 流程中无缝使用；
• 相比 cross join 方案，它不引入笛卡尔积逻辑、无冗余内存分配，也无需预先构造 schema 或 data 参数，代码更简短、意图更明确。

? 其他等效写法（按推荐度排序）

• 使用 map()（函数式风格，适合链式调用）：

  df.with_columns(map(lambda c: pl.lit('').alias(c), mylist))

• 若需不同默认值（如 None、0、False），只需替换 pl.lit() 内容：

  df.with_columns(
      pl.lit(None).alias('nullable_col'),
      pl.lit(0).alias('int_col'),
      pl.lit(False).alias('bool_col')
  )

⚠️ 注意事项

• pl.lit() 的类型推断基于传入值：pl.lit('') → String, pl.lit(42) → Int64, pl.lit(3.14) → Float64。如需显式指定类型，可用 pl.lit(...).cast(pl.Utf8) 等；
• 列名必须唯一；若 mylist 中存在重复项，with_columns() 将报错；
• with_columns() 默认追加列到右侧，顺序与生成器/迭代顺序一致，符合直觉；
• 不要误用 pl.col() —— 它引用已有列，不能用于新建列。

综上，df.with_columns(pl.lit(value).alias(name) for name in names) 是 Polars 社区公认的最佳实践，兼具简洁性、性能与可维护性，应作为批量添加空列（或默认值列）的首选方案。