如何在Polars中高效生成重复行？解决Pandas迁移适配问题

错误原因分析 #

1. 第一个错误：with_columns中直接调用explode会导致列长度与原DataFrame行数不匹配。with_columns要求新增列的行数必须和原DataFrame一致，而explode会把列表列展开，行数变为原来的2倍（从3行变6行），因此触发ShapeError。
2. 第二个错误：cast(pl.List(float))无法将单个数值转为单元素列表，且直接用*2会触发广播不匹配的错误，因为Polars无法将标量2与列表列直接做算术运算。

正确解决方案 #

Polars提供了内置的repeat方法，可以高效实现将每个元素重复指定次数生成列表，再通过explode展开为多行，完全匹配Pandas的逻辑。

方法1：使用repeat（推荐，向量化操作更高效）

import polars as pl

df = pl.DataFrame({ "key": [1, 2, 3], "value": [4, 5, 6] })

# 先将key列每个元素重复2次生成列表列，再展开
df = df.with_columns(pl.col("key").repeat(n=2)).explode("key")
print(df)

输出结果：

shape: (6, 2)
┌─────┬───────┐
│ key ┆ value │
│ --- ┆ ---   │
│ i64 ┆ i64   │
╞═════╪═══════╡
│ 1   ┆ 4     │
│ 1   ┆ 4     │
│ 2   ┆ 5     │
│ 2   ┆ 5     │
│ 3   ┆ 6     │
│ 3   ┆ 6     │
└─────┴───────┘

方法2：使用map_elements（不推荐，逐元素处理性能较低）

如果一定要用自定义逻辑生成重复列表，可以先添加列表列，再对整个DataFrame执行explode：

import polars as pl

df = pl.DataFrame({ "key": [1, 2, 3], "value": [4, 5, 6] })

df = df.with_columns(pl.col("key").map_elements(lambda x: [x]*2)).explode("key")

补充说明 #

• repeat(n=2)：将列中每个元素重复n次，生成包含n个元素的列表，是Polars内置的向量化操作，性能远高于map_elements。
• explode("key")：对指定的列表列进行展开，将每个列表元素转为单独一行，其他列的值自动重复对应次数，与Pandas的explode行为完全一致。

内容的提问来源于stack exchange，提问作者Galedon