在Polars现有DataFrame中添加列的正确方法探讨

你用df = df.with_columns(...)的方式添加列完全正确，这是Polars官方推荐的标准用法。

为什么要重新赋值？ #

Polars的核心设计之一是不可变性：所有DataFrame对象默认是只读的，任何修改操作（包括添加、删除列，修改数据）都不会直接改动原对象，而是返回一个全新的DataFrame。这种设计保证了线程安全，也让链式调用、回溯操作更可靠。

会不会浪费资源？ #

完全不用担心“重写整个DataFrame”的性能问题——Polars内部做了零拷贝优化：新生成的DataFrame会直接复用原DataFrame中未修改的列的数据，只有新增的列会被创建，不会复制整个数据集的内容。比如你原DataFrame有10列，新增1列，实际只需要生成这1列的数据，其余10列都是直接引用原数据，资源消耗极低。

有没有“原地修改”的方式？ #

Polars提供了with_columns_inplace()方法可以直接修改原DataFrame，但这种写法不推荐：原地修改会破坏不可变性，容易在多线程环境、复杂计算流程中引发意外的bug，也不利于代码的可读性和调试。官方始终建议使用返回新对象并重新赋值的方式。

示例代码 #

推荐的标准写法：

import polars as pl

# 初始化DataFrame
df = pl.DataFrame({"a": [1, 2, 3], "b": [4, 5, 6]})
# 添加新列，重新赋值给df
df = df.with_columns(new_column=pl.lit("some_text"))

不推荐的原地修改写法：

# 直接修改原对象，不推荐
df.with_columns_inplace(new_column=pl.lit("some_text"))

内容的提问来源于stack exchange，提问作者DeltaIV