如何在Polars中实现Pandas.DataFrame.eval()的等效功能？

Polars确实没有直接的DataFrame级eval方法，但可以通过以下几种方式实现等效功能：

方法1：用pl.Expr.parse()配合with_columns #

将字符串表达式解析为Polars原生表达式，再通过with_columns添加新列：

import polars as pl

df = pl.DataFrame({"col1": [1, 2, 3], "col2": [4, 5, 6]})
# 解析表达式并生成新列
df = df.with_columns(pl.Expr.parse("col2 + col1").alias("col3"))

如果要同时计算多列，可批量传入解析后的表达式：

df = df.with_columns(
    pl.Expr.parse("col2 + col1").alias("col3"),
    pl.Expr.parse("col2 * col1").alias("col4")
)

方法2：使用Polars SQL语法 #

Polars支持SQL查询，可通过pl.sql()实现列计算：

df = pl.sql("SELECT *, col2 + col1 AS col3 FROM self", df)

这种方式适配熟悉SQL语法的用户，逻辑直观。

方法3：动态构建表达式（复杂场景适用） #

如果表达式是动态生成的，可直接构建Polars表达式对象（注意安全风险）：

expr_str = "col2 + col1"
# 仅在表达式来源完全可信时使用eval
new_col = eval(f"pl.col('col2') + pl.col('col1')")
df = df.with_columns(new_col.alias("col3"))

警告：eval()执行未知来源的表达式存在注入风险，需谨慎使用。

内容的提问来源于stack exchange，提问作者Murtaza Arif