如何同时更新Polars DataFrame重复列并新增独有列？

你可以用with_columns替代hstack来添加新列，代码更简洁直观：

result = df1.update(df2).with_columns(df2.select(set(df2.columns) - set(df1.columns)))

如果需要严格保持列顺序（和期望结果一致：先保留df1原有列，再添加df2新列），可以写成：

new_cols = [c for c in df2.columns if c not in df1.columns]
result = df1.update(df2).with_columns(df2.select(new_cols))

为什么这更优？ #

• with_columns是Polars中添加/修改列的标准方法，语义更清晰，相比hstack更贴合“添加新列到已有DataFrame”的操作意图。
• 用集合运算set(df2.columns) - set(df1.columns)替代列表推导，代码更简洁（Python 3.9+支持集合差运算）。

另外，如果你想一步完成更新和添加列，也可以用with_columns结合coalesce处理已有列的更新逻辑（和update行为一致：仅用df2的非null值覆盖df1对应位置）：

common_cols = set(df1.columns) & set(df2.columns)
new_cols = set(df2.columns) - set(df1.columns)

result = df1.with_columns(
    # 更新共有列：保留df1非null值，用df2值填充df1的null
    [pl.coalesce(pl.col(c), df2[c]).alias(c) for c in common_cols],
    # 添加df2独有的列
    df2.select(new_cols)
).select(df1.columns + list(new_cols))  # 保持列顺序与原df1一致

这种方式不需要调用update，直接通过表达式完成所有操作，逻辑更统一，也便于后续扩展修改。

内容的提问来源于stack exchange，提问作者Alena Volkova