Polars中列选择方式及with_columns调用方式的性能差异问询

1. pl.col() 和 DataFrame 索引列的性能差异 #

有明显差异，pl.col() 方式性能更优，原因如下：

• Polars 的核心优化逻辑围绕表达式（Expression）展开，pl.col() 是原生表达式API，能完全融入Polars的查询优化器（比如谓词下推、列裁剪等），尤其是在**惰性模式（LazyFrame）**下，不会提前触发计算，所有操作会被整合成一个高效的查询计划后再执行。
• 直接用 df["netsales"] 这种索引方式，本质是先从DataFrame中提取列对象再运算，在eager模式下会额外产生数据拷贝；如果是惰性模式，这种写法会强制触发部分 eager 计算，打断整个惰性优化链，导致性能下降。

大数据量场景下优先用 pl.col()，不仅性能好，代码风格也更符合Polars的最佳实践。

2. 一次性 vs 多次调用 with_columns 的性能差异 #

一次性调用性能更好，原因很直接：

• 在eager模式下，每次调用 with_columns 都会遍历一次整个数据集，计算并添加新列；一次性调用的话，只需要遍历一次数据，就能完成所有新列的计算，减少了IO和遍历开销，数据量越大差异越明显。
• 即使是惰性模式，一次性构建的查询计划更简洁，Polars的优化器能更高效地合并操作，避免不必要的中间步骤。

简单说：能一次加完的列就别分多次，省得重复跑数据。

内容的提问来源于stack exchange，提问作者Akshay