如何简化Polars中指定多列的常量填充操作？

原始代码及效果 #

我用以下Polars代码处理DataFrame：

import polars as pl

df = pl.DataFrame({
    'region': ['GB', 'FR', 'US'],
    'qty':    [3, 6, -8],
    'price':  [100, 102, 95],
    'tenor':   ['1Y', '6M', '2Y'],
})

cols_to_set = ['price', 'tenor']
fill_val    = '-'

df.with_columns([pl.lit(fill_val).alias(c) for c in cols_to_set])

执行后输出：

shape: (3, 4)
┌────────┬─────┬───────┬───────┐
│ region ┆ qty ┆ price ┆ tenor │
│ ---    ┆ --- ┆ ---   ┆ ---   │
│ str    ┆ i64 ┆ str   ┆ str   │
╞════════╪═════╪═══════╪═══════╡
│ GB     ┆ 3   ┆ -     ┆ -     │
│ FR     ┆ 6   ┆ -     ┆ -     │
│ US     ┆ -8  ┆ -     ┆ -     │
└────────┴─────┴───────┴───────┘

尝试的错误写法 #

我不想用列表推导式，尝试用pl.lit(fill_val).alias(cols_to_set)实现，触发如下报错：

TypeError: argument 'name': 'list' object cannot be converted to 'PyString'

简洁解决方案 #

可以直接利用Polars的with_columns方法支持字典参数的特性，用字典推导式生成列名与常量的映射，代码更简洁：

df.with_columns({c: fill_val for c in cols_to_set})

Polars会自动将常量转换为pl.lit表达式，效果和原始代码完全一致。

如果想进一步简化，也可以借助pl.select配合with_columns批量生成表达式：

df.with_columns(pl.select([pl.lit(fill_val).alias(c) for c in cols_to_set]))

不过第一种字典推导的写法可读性更高，也更简洁。

内容的提问来源于stack exchange，提问作者Phil-ZXX