如何在Polars中根据列名提取值并生成新列？

问题场景 #

现有Polars DataFrame如下：

import polars as pl

df = pl.from_repr("""
┌────────┬─────────┬────────┬─────┬──────────┐
│ Name   ┆ Average ┆ Median ┆ Q1  ┆ Variable │
│ ---    ┆ ---     ┆ ---    ┆ --- ┆ ---      │
│ str    ┆ i64     ┆ i64    ┆ i64 ┆ str      │
╞════════╪═════════╪════════╪═════╪══════════╡
│ Apple  ┆ 2       ┆ 3      ┆ 4   ┆ Average  │
│ Apple  ┆ 2       ┆ 3      ┆ 4   ┆ Median   │
│ Apple  ┆ 2       ┆ 3      ┆ 4   ┆ Q1       │
│ Banana ┆ 1       ┆ 5      ┆ 10  ┆ Average  │
│ Banana ┆ 1       ┆ 5      ┆ 10  ┆ Median   │
│ Banana ┆ 1       ┆ 5      ┆ 10  ┆ Q1       │
└────────┴─────────┴────────┴─────┴──────────┘
""")

需要新增value列，根据Variable列的内容，提取对应列（Average/Median/Q1）的数值，最终得到目标结果。

尝试过df = df.with_columns(value = pl.col(f"{pl.col.variable}"))无法生效，转置DataFrame成本高且不符合需求。

可行方案 #

方案1：动态列选择+coalesce #

生成目标列的筛选列表，通过coalesce合并结果，自动匹配每行的Variable值：

df = df.with_columns(
    value=pl.coalesce(
        [pl.col(col).filter(pl.col("Variable") == col) for col in ["Average", "Median", "Q1"]]
    )
)

方案2：用pl.row()按名称提取 #

通过row(by_name=True)获取每行的键值对，直接根据Variable的取值提取对应值：

df = df.with_columns(
    value=pl.row(by_name=True).map(lambda row: row[row["Variable"]])
)

方案3：分支判断（适合枚举值少的场景） #

如果Variable的可能值有限，直接用when/then分支匹配：

df = df.with_columns(
    value=pl.when(pl.col("Variable") == "Average")
           .then(pl.col("Average"))
           .when(pl.col("Variable") == "Median")
           .then(pl.col("Median"))
           .when(pl.col("Variable") == "Q1")
           .then(pl.col("Q1"))
)

内容的提问来源于stack exchange，提问作者user24758287