重载Polars DataFrame的__setitem__后外部无法感知修改

问题根源 #

1. Python参数传递特性：在方法内部给self赋值，只是修改了方法内的局部变量指向，完全不会影响外部的实例对象——外部的df仍然指向最初创建的那个实例。
2. Polars的不可变设计：pl.DataFrame是不可变数据结构，所有修改类方法（比如with_columns）都会返回一个全新的实例，而非原地修改原对象。你在__setitem__里通过self = self.with_columns(...)得到的是新实例，但这个新实例只存在于方法内部，外部根本感知不到。

解决办法 #

方案1：遵循Polars不可变设计（推荐） #

放弃df[key] = value的赋值语法，改用自定义方法返回新实例，符合Polars的函数式编程风格：

class CustomDataFrame(pl.DataFrame):
    def set_str_column(self, key, value):
        if isinstance(key, str) and isinstance(value, str):
            return self.with_columns(pl.lit(value).alias(key))
        else:
            return self.with_columns(pl.lit(value).alias(key))

使用示例：

data = {'test_column': [1, 2, 3, 4, 5], 'test_column1':[1,3,3,4,5]}
df = CustomDataFrame(data)
df = df.set_str_column('test_column', 'test')
print(df)

方案2：重载__setitem__适配赋值语法（不推荐） #

如果一定要用df[key] = value的语法，可以通过修改Polars内部私有属性实现原地修改，但这种方式依赖Polars内部实现，版本更新后可能失效：

class CustomDataFrame(pl.DataFrame):
    def __setitem__(self, key, value):
        if isinstance(key, str) and isinstance(value, str):
            new_df = self.with_columns(pl.lit(value).alias(key))
            self._df = new_df._df
            print(self)
        else:
            super().__setitem__(key, value)

内容的提问来源于stack exchange，提问作者KYPcode