如何在Polars中以纯Polars方式将两个列表打包成结构体？

要实现两个列表元素按位置一一对应打包，无需借助Python的lambda或zip，可以用Polars内置的列表操作表达式完成，性能更优且符合纯Polars的向量化风格：

简洁实现方案 #

import polars as pl

df = pl.DataFrame({
    "first_name": [["John", "Jane", "Alice"]],
    "score": [[70, 80, 90]]
})

# 直接将两个列表按位置配对后转为字典
df = df.with_columns(
    l=pl.list.zip_with(pl.col("first_name"), pl.col("score")).list.to_dict()
)

print(df)

分步解释 #

• pl.list.zip_with(col1, col2)：Polars内置的向量化函数，将两个列表的对应位置元素配对成子列表，比如把["John", "Jane"]和[70,80]转为[["John",70], ["Jane",80]]
• .list.to_dict()：将配对后的子列表直接转换为字典，自动把每个子列表的第一个元素作为键，第二个作为值，和原代码dict(zip(...))的输出结果完全一致

可选的结构化中间步骤 #

如果需要更明确的字段定义，可以先将配对元素转为结构体再转字典，可读性更强：

df = df.with_columns(
    l=pl.list.zip_with(pl.col("first_name"), pl.col("score"))
        .list.eval(pl.struct(name=pl.element()[0], score=pl.element()[1]))
        .list.to_dict()
)

优势对比 #

原代码使用map_elements调用Python函数，属于逐行的Python层面操作，在处理大数据集时性能会受限；纯Polars方案全程用内置向量化表达式，避免了Python循环开销，执行效率更高。

内容的提问来源于stack exchange，提问作者apostofes