Polars中自定义UDF如何支持按列名使用[]索引访问？

在Polars中使用map_rows时，默认传入UDF的是元组，无法通过列名索引。可以通过以下两种方式解决：

方法一：将元组转为字典（基于列名映射） #

先获取DataFrame的列名，在UDF内部把传入的元组和列名配对成字典，就能通过列名访问对应值：

import polars as pl

def udf(row, cols):
    row_dict = dict(zip(cols, row))
    print(row_dict['a'])
    print(row_dict['b'])
    return row

df = pl.DataFrame({'a': [1], 'b': [2]})
cols = df.columns
df = df.map_rows(lambda row: udf(row, cols))

也可以用更简洁的写法，直接在lambda中完成字典转换：

import polars as pl

df = pl.DataFrame({'a': [1], 'b': [2]})
cols = df.columns

df = df.map_rows(
    lambda row: (
        print(dict(zip(cols, row))['a']),
        print(dict(zip(cols, row))['b']),
        row
    )[-1]  # 返回原始行以维持DataFrame结构
)

方法二：使用结构体+map_elements #

先将整行数据打包成Polars结构体，再用map_elements处理，结构体支持直接通过列名索引：

import polars as pl

def udf(row_struct):
    print(row_struct['a'])
    print(row_struct['b'])
    return row_struct

df = pl.DataFrame({'a': [1], 'b': [2]})
# 将所有列打包成结构体列
df = df.with_columns(pl.struct(df.columns).alias('row_struct'))
# 处理结构体列后展开回原始列
df = df.select(pl.col('row_struct').map_elements(udf).struct.unnest())

这种方法更贴合Polars的原生数据结构，无需手动处理列名映射。

内容的提问来源于stack exchange，提问作者apostofes