Polars中能否使用含3个及以上不同长度表达式的ufunc？

这是我之前提问的延续，但我认为它值得单独成题。请问在Polars中，是否可以使用带有3个及以上不同长度表达式的ufunc？

目前仅支持2个表达式的用法：

g(pl.col('x'), pl.col('y'))

对于3个及以上表达式，当前的临时解决方案是将这3列包装为struct，再用lambda映射，但该方案仅在x、y、z长度相同时可行，否则无法创建struct：

pl.struct('x', 'y', 'z').map(lambda t: g(t.struct['x'], t.struct['y'], t.struct['z']))

为便于说明，我用2个表达式复现了join_asof的功能，示例数据及代码如下：

示例数据 #

X: shape: (5, 1)
┌─────┐
│ x   │
│ --- │
│ i64 │
╞═════╡
│ 1   │
│ 3   │
│ 5   │
│ 7   │
│ 9   │
└─────┘
Y: shape: (3, 1)
┌─────┐
│ y   │
│ --- │
│ i64 │
╞═════╡
│ 2   │
│ 6   │
│ 10  │
└─────┘
输出结果:
shape: (5, 2)
┌─────┬───────────────┐
│ x   ┆ x_join_asof_y │
│ --- ┆ ---           │
│ i64 ┆ i64           │
╞═════╪═══════════════╡
│ 1   ┆ 2             │
│ 3   ┆ 6             │
│ 5   ┆ 6             │
│ 7   ┆ 10            │
│ 9   ┆ 10            │
└─────┴───────────────┘

实现代码 #

import numba as nb
import polars as pl

@nb.guvectorize([(nb.int64[:], nb.int64[:], nb.int64[:])], '(n),(m)->(n)', nopython=True)
def join_asof(x, y, results):
    j = 0
    for i in range(len(x)):
        while y[j] <= x[i]:
            j += 1
        results[i] = y[j]

xdf = pl.DataFrame({ 'x': [1, 3, 5, 7, 9] })
ydf = pl.DataFrame({ 'y': [2, 6, 10] })

(
    xdf
    .lazy()
    .with_context(
        ydf
        .lazy()
    )
    .with_columns(
        join_asof(pl.col('x'), pl.col('y')).alias('x_join_asof_y')
    )
    .collect()
)

内容的提问来源于stack exchange，提问作者T.H Rice