如何在Polars中对struct类型列执行fill_null操作？

当使用dfcompare = (df0 == df1)比较两个Polars DataFrame时，null值不会被视为相等（不像join操作有匹配null的选项）。对于普通字段可以填充对应类型的“空值”，但struct类型列不知道该用什么值填充，尝试两种方式均报错。目前通过unnest展开子字段填充可行，但想了解：

1. 如何构造正确的struct字面量传入fill_null这类函数
2. 如何添加硬编码的struct类型列

解决方法 #

1. 构造struct字面量填充null #

要给struct类型列填充null，需构造和原列字段名、数据类型完全匹配的struct表达式，正确方式是用pl.struct包裹多个pl.lit，明确指定每个子字段的值与类型：

import polars as pl

df = pl.DataFrame(
    {
        "int": [1, 2, None],
        "data" : [dict(a=1,b="b"),dict(a=11,b="bb"),None]
    }
)

# 正确填充struct类型null值
df3 = df.with_columns(
    pl.col("data").fill_null(
        pl.struct(
            a=pl.lit(0, dtype=pl.Int64),
            b=pl.lit("", dtype=pl.String)
        )
    )
)
print(df3)

输出：

shape: (3, 2)
┌──────┬─────────────┐
│ int  ┆ data        │
│ ---  ┆ ---         │
│ i64  ┆ struct[2]   │
╞══════╪═════════════╡
│ 1    ┆ {1,"b"}     │
│ 2    ┆ {11,"bb"}   │
│ null ┆ {0,""}      │
└──────┴─────────────┘

如果不确定原struct的类型，可通过df.schema["data"]查看。

2. 添加硬编码的struct类型列 #

添加硬编码struct列时，同样用pl.struct结合pl.lit定义子字段，再用alias命名新列：

# 添加硬编码struct列
df4 = df.with_columns(
    pl.struct(
        x=pl.lit(99, dtype=pl.Int64),
        y=pl.lit("default", dtype=pl.String)
    ).alias("default_struct")
)
print(df4)

输出：

shape: (3, 3)
┌──────┬─────────────┬───────────────────┐
│ int  ┆ data        ┆ default_struct    │
│ ---  ┆ ---         ┆ ---               │
│ i64  ┆ struct[2]   ┆ struct[2]         │
╞══════╪═════════════╪═══════════════════╡
│ 1    ┆ {1,"b"}     ┆ {99,"default"}    │
│ 2    ┆ {11,"bb"}   ┆ {99,"default"}    │
│ null ┆ {null,null} ┆ {99,"default"}    │
└──────┴─────────────┴───────────────────┘

原尝试报错原因 #

• 直接传原生字典：Polars的fill_null不接受原生字典作为struct类型填充值，必须用Polars表达式构造struct
• pl.struct(dict(a=0,b=""))：这种方式构造的子字段类型可能与原列不匹配（比如原列a是Int64，这里0默认是Int32），且Polars推荐用关键字参数指定struct字段，更清晰不易出错

内容的提问来源于stack exchange，提问作者JL Peyret