如何用Polars更优雅地从列表向现有DataFrame添加空列？

我希望将列表中的元素作为列名，向现有的Polars DataFrame添加新的空列。目前我通过以下代码实现：

import polars as pl

df = pl.DataFrame({'a': [1,2,3]})
mylist = [f'col{i}' for i in range(1,4)]
data = [[''] for i in range(1,len(mylist)+1)]

df.join(pl.DataFrame(data=data,schema=mylist),
        how='cross')

但有没有更具Polars风格的实现方式？比如使用.with_columns()或pl.any()？这样就无需创建新DataFrame并进行关联操作。

直接用.with_columns()结合pl.lit()就能高效完成需求，完全不需要创建临时DataFrame做交叉连接，这是Polars推荐的原生写法：

方式1：添加空字符串列 #

遍历列名列表，为每个列名生成空字符串列：

import polars as pl

df = pl.DataFrame({'a': [1,2,3]})
mylist = [f'col{i}' for i in range(1,4)]

df = df.with_columns([pl.lit("").alias(col) for col in mylist])

方式2：添加空值（None）列 #

如果需要的是None类型的空列（而非空字符串），可以指定数据类型：

df = df.with_columns([pl.lit(None, dtype=pl.String).alias(col) for col in mylist])

方式3：批量添加同类型空列 #

如果所有新列都是同一数据类型，也可以用pl.select()配合pl.all()保留原有列，再批量生成新列：

df = df.select(
    pl.all(),
    *[pl.lit("").alias(col) for col in mylist]
)

这些写法更贴合Polars的API设计，代码更简洁，性能也远优于交叉连接——交叉连接会额外创建临时DataFrame，而直接用with_columns()是在原DataFrame基础上直接扩展列，效率更高。

内容的提问来源于stack exchange，提问作者lmocsi