如何在Polars Python API中解构嵌套结构体提取companyName并做空值检查？

初始数据与需求 #

给定嵌套结构数据，需从Polars DataFrame的positions列（结构体类型）中提取companyName字段，同时实现与以下列表推导式完全一致的空值检查逻辑：

names = (
    [
        p["company"]["companyName"]
        for p in data["positions"]
        if p.get("company") and p.get("company").get("companyName")
    ]
    if data.get("positions")
    else None
)

解决方案 #

情况1：positions为结构体列（对应你给出的Before形态）

此时DataFrame每行是一个单独的positions结构体，直接通过结构体字段访问结合条件判断即可实现需求：

import polars as pl

# 构建初始DataFrame
data = {
    "positions": [
        {"company": {"companyName": "name1"}},
        {"company": {"companyName": "name2"}},
        {"company": {"companyName": "name3"}},
        # 可添加测试用例：{"company": None}, {} 或 {"company": {"companyName": None}}
    ]
}
df = pl.DataFrame(data)

# 提取字段并处理空值
result_df = df.with_columns(
    names=pl.when(
        # 对应列表推导式的if判断：检查company和companyName非空
        pl.col("positions").struct.field("company").is_not_null() &
        pl.col("positions").struct.field("company").struct.field("companyName").is_not_null()
    ).then(
        pl.col("positions").struct.field("company").struct.field("companyName")
    ).alias("names")
).drop("positions")

print(result_df)

运行结果与你期望的After形态一致：

shape: (3, 1)
┌───────┐
│ names │
│ ---   │
│ str   │
╞═══════╡
│ name1 │
│ name2 │
│ name3 │
└───────┘

情况2：positions为列表结构体列（原始数据未展开）

如果初始DataFrame是一行一列的列表结构体（shape: (1, 1)），则需要使用pl.list.eval结合pl.element()遍历列表中的每个元素，再通过explode展开为多行：

import polars as pl

data = {
    "positions": [
        {"company": {"companyName": "name1"}},
        {"company": {"companyName": "name2"}},
        {"company": {"companyName": "name3"}},
    ]
}
# 此时构建的DF是一行一列，positions为list[struct]
df = pl.DataFrame(data)

result_df = df.with_columns(
    names=pl.col("positions").list.eval(
        pl.when(
            pl.element().struct.field("company").is_not_null() &
            pl.element().struct.field("company").struct.field("companyName").is_not_null()
        ).then(
            pl.element().struct.field("company").struct.field("companyName")
        )
    )
).explode("names").drop("positions")

print(result_df)

逻辑说明 #

• pl.struct.field()：用于访问结构体中的嵌套字段，若字段不存在或为null，则返回null
• pl.when(...).then(...)：严格对应列表推导式中的条件判断，仅当company和companyName均非空时才提取值，否则返回null
• pl.list.eval()：当处理列表类型列时，用于遍历列表内的每个元素（通过pl.element()指代当前元素）
• explode()：将列表列展开为多行，匹配你期望的最终形态

内容的提问来源于stack exchange，提问作者Arko