如何使用Polars将文件名添加至新列，标识多文件读取的数据？

直接用scan_csv读取glob匹配的多文件不会自动带上来源文件名，得手动给每个文件单独加列再合并，给你改好的代码：

import polars as pl
from glob import glob
import os

# 获取所有符合格式的文件路径
file_paths = glob("data/file_*.tsv")

# 逐个文件生成带文件名列的懒加载DataFrame
lazy_dfs = [
    pl.scan_csv(path, separator="\t", has_header=False)
    # 可二选一：存完整路径或仅存文件名
    .with_columns(file_full_path=pl.lit(path))
    .with_columns(file_name=pl.lit(os.path.basename(path)))
    for path in file_paths
]

# 合并所有文件的数据，再取前500行
combined_data = pl.concat(lazy_dfs).fetch(n_rows=500)

关键点说明：

• 先用glob拿到所有目标文件的路径，避免直接用scan_csv读多文件时无法区分数据来源
• 对每个文件单独创建懒加载DataFrame，用pl.lit()将路径/文件名作为常量列插入
• 最后用pl.concat合并所有数据集，再按需执行fetch或collect

如果不需要完整路径，只保留文件名的话，删掉file_full_path对应的代码行即可。

内容的提问来源于stack exchange，提问作者sahuno