Polars中Series+运算与pl.Expr链式add方法的性能差异探究

问题 #

提取DataFrame的两个Series执行+运算，与使用链式pl.Expr调用add方法完成相同计算，二者是否存在显著性能差异？已知二者返回的数据类型不同（前者为Series，后者为单列DataFrame）。

示例代码 #

import polars as pl

df = pl.DataFrame({'a': range(5), 'b': range(0, 50, 10)})

# 方式1：提取Series后执行加法
print(df.get_column('a') + df.get_column('b'))
# 输出：
# shape: (5,)
# Series: 'a' [i64]
# [
#     0
#     11
#     22
#     33
#     44
# ]

# 方式2：使用Expr的add方法
print(df.select(pl.col('a').add(pl.col('b'))))
# 输出：
# shape: (5, 1)
# ┌─────┐
# │ a   │
# │ --- │
# │ i64 │
# ╞═════╡
# │ 0   │
# │ 11  │
# │ 22  │
# │ 33  │
# │ 44  │
# └─────┘

结论 #

二者不存在显著性能差异，原因如下：

• 底层执行逻辑一致：Polars中Series的运算符重载（如+）本质上是对Expr方法的封装，最终都会经过相同的查询优化器，执行完全相同的底层计算逻辑。
• 性能差异可忽略不计：唯一的区别仅在于输出结果的容器类型（Series vs 单列DataFrame），这种包装/转换的开销极小，在绝大多数业务场景（包括百万级甚至千万级数据量）下都无法感知。

如果硬要区分极端场景下的细微差距，提取Series做加法可能少一层DataFrame的包装开销，但这种差距完全不影响业务决策，选择哪种方式主要取决于你需要的结果类型：

• 若需要单独的Series结果，优先用第一种方式；
• 若需要将计算整合到多步骤的DataFrame查询流水线中，第二种方式更贴合Polars的链式查询风格。

内容的提问来源于stack exchange，提问作者Des1303