如何在Polars DataFrame中添加行的JSON格式列？

完全可以用Polars内置函数实现需求，无需依赖json.dumps这类外部函数，性能更优。核心思路是利用Polars的结构体（struct）类型和内置的JSON编码方法：

实现步骤 #

• 将整行数据打包成结构体列（自动以原列名为键）
• 用Polars内置的json_encode()方法将结构体转成JSON字符串
• 保留需要的列 + 新生成的JSON列

代码示例 #

import polars as pl

# 构造示例输入DataFrame（对应CSV读取后的结果）
df_input = pl.DataFrame({
    "time": [100, 200, 300],
    "var1": [1, 2, 3],
    "var2": [4, 5, 6]
})

# 生成JSON列并保留指定列
df_output = df_input.with_columns(
    # 将所有列打包为结构体，再转成JSON字符串
    json_per_row=pl.struct(pl.all()).json_encode()
).select(
    # 选择需要保留的列 + 新生成的JSON列
    "time", "json_per_row"
)

print(df_output)

输出结果 #

shape: (3, 2)
┌──────┬───────────────────────────────────────────┐
│ time ┆ json_per_row                             │
│ ---  ┆ ---                                       │
│ i64  ┆ str                                       │
╞══════╪═══════════════════════════════════════════╡
│ 100  ┆ {"time":100,"var1":1,"var2":4}            │
│ 200  ┆ {"time":200,"var1":2,"var2":5}            │
│ 300  ┆ {"time":300,"var1":3,"var2":6}            │
└──────┴───────────────────────────────────────────┘

关键细节说明 #

• pl.struct(pl.all())：自动捕获当前DataFrame的所有列，打包成结构体类型，无需硬编码列名或列数
• .json_encode()：Polars原生的结构体转JSON方法，完全在内部优化执行，性能远高于Python层面的json.dumps循环
• 如果需要仅用部分列生成JSON，只需把pl.all()换成指定列列表（比如pl.col(["var1", "var2"])）即可

内容的提问来源于stack exchange，提问作者SuperJeff