如何不使用.map_elements()+itertools，用Polars表达式生成列内列表元素组合？

当然有，你可以利用Polars原生的表达式API实现这个需求，完全不需要依赖Python层面的map_elements()和itertools，这种原生方式还能借助Polars的向量化执行提升性能，尤其适合大数据量场景。

方法一：基于展开+自连接+聚合 #

这种方式逻辑直观，通过拆分列表、生成组合再聚合回列表：

import polars as pl

pl.Config(fmt_table_cell_list_len=8, fmt_str_lengths=100)
 
df = pl.DataFrame({'col': [['a', 'b', 'c'], ['d', 'e']]})

result = (
    df
    # 给每行添加唯一索引，用于区分不同行的元素
    .with_row_index("idx")
    # 将列表展开为单行元素
    .explode("col")
    # 同一索引内的元素做笛卡尔积，生成所有可能的元素对
    .join(pl.col("col").alias("col2"), on="idx", how="cross")
    # 过滤出有序对（避免重复组合，和原方案的sorted效果一致）
    .filter(pl.col("col") < pl.col("col2"))
    # 按索引分组，将元素对聚合回列表
    .group_by("idx", maintain_order=True)
    .agg(pl.struct(["col", "col2"]).list().alias("col"))
    .drop("idx")
)

print(result)

运行结果：

shape: (2, 1)
┌──────────────────────────────────────┐
│ col                                  │
│ ---                                  │
│ list[list[str]]                      │
╞══════════════════════════════════════╡
│ [["a", "b"], ["a", "c"], ["b", "c"]] │
│ [["d", "e"]]                         │
└──────────────────────────────────────┘

方法二：基于list.eval的简洁实现 #

如果想要更紧凑的代码，可以用list.eval结合窗口函数在列表内部生成组合：

result = df.with_columns(
    pl.col("col").list.eval(
        # 遍历列表元素，筛选出当前元素之后的所有元素，生成有序对
        pl.element().filter(pl.element() > pl.element().over(pl.int_range(0, pl.len())))
        .map(lambda x: pl.struct([pl.element().first(), x]))
        .flatten(),
        parallel=True  # 开启并行提升效率
    )
)

print(result)

这个方法直接在列表列内部执行逻辑，不需要额外的索引和展开操作，代码更简洁。

内容的提问来源于stack exchange，提问作者Thomas