在Polars中使用map_rows指定return_dtype仍报错“无法确定输出类型”

以下代码可正常运行，创建包含struct类型列的DataFrame：

f = lambda t: {'x': 1, 'y': "abc"}
df = pl.DataFrame( {'c': [f(0)] } )

输出结果：

shape: (1, 1)
┌───────────┐
│ c         │
│ ---       │
│ struct[2] │
╞═══════════╡
│ {1,"abc"} │
└───────────┘

查看schema确认类型正确：

>>> df.schema
# Schema([('c', Struct({'x': Int64, 'y': String}))])

但使用map_rows传入相同函数f并指定返回类型时，触发报错：RuntimeError: BindingsError: "Could not determine output type"
报错代码：

(df.with_columns('c')
   .map_rows(f, return_dtype=
             pl.Struct([pl.Field('x', pl.Int64), pl.Field('y', pl.String)])
   )
)

map_rows的函数参数接收的是整行数据（代表单行的对象），而非单个列值。原函数f设计为接受单个参数返回字典，但在map_rows调用时，实际传入的是整行，函数逻辑与输入不匹配，导致Polars无法正确解析返回值与指定类型的对应关系，从而抛出类型无法确定的错误。

修改函数f，使其能正确处理整行输入，同时确保返回值结构与指定的return_dtype一致：

示例1：不依赖行数据生成结构 #

# 调整函数，接收整行对象，直接返回目标结构
f = lambda row: {'x': 1, 'y': "abc"}

df = pl.DataFrame( {'c': [{'x': 0, 'y': "test"}] } )

# 直接调用map_rows，无需冗余的with_columns操作
result = df.map_rows(f, return_dtype=pl.Struct([pl.Field('x', pl.Int64), pl.Field('y', pl.String)]))
print(result)

示例2：基于原列数据生成结构 #

如果需要用到原行的列值生成新结构：

# 基于原列c的内容生成新结构
f = lambda row: {'x': row['c']['x'] + 1, 'y': row['c']['y'].upper()}

df = pl.DataFrame( {'c': [{'x': 0, 'y': "test"}] } )

result = df.map_rows(f, return_dtype=pl.Struct([pl.Field('x', pl.Int64), pl.Field('y', pl.String)]))
print(result)

运行后会得到正确结果：

shape: (1, 2)
┌─────┬───────┐
│ x   ┆ y     │
│ --- ┆ ---   │
│ i64 ┆ str   │
╞═════╪═══════╡
│ 1   ┆ TEST  │
└─────┴───────┘

内容的提问来源于stack exchange，提问作者Des1303