如何仅使用Polars将列表元素追加至DataFrame中？

需求说明 #

需要通过for循环将列表中的元组元素作为行，追加到Polars DataFrame中，实现与示例中Pandas代码相同的效果。

初始代码 #

import numpy as np
import pandas as pd
import polars as pl

add_list = [(10, 100, 'd'), (20, 20, 'D')]
df = pl.DataFrame({"a": [1, 2, 3], "b": [6, 7, 8], "c": ["a", "b", "c"]})

Pandas实现参考 #

df_pd = df.to_pandas()

for d in add_list:
    ser_pd = pd.Series(data=d, index=df_pd.columns)
    df_pd = pd.concat([df_pd, ser_pd.to_frame().T], ignore_index=True)
    
print(pl.from_pandas(df_pd))

执行结果 #

shape: (5, 3)
┌─────┬─────┬─────┐
│ a   ┆ b   ┆ c   │
│ --- ┆ --- ┆ --- │
│ i64 ┆ i64 ┆ str │
╞═════╪═════╪═════╡
│ 1   ┆ 6   ┆ a   │
│ 2   ┆ 7   ┆ b   │
│ 3   ┆ 8   ┆ c   │
│ 10  ┆ 100 ┆ d   │
│ 20  ┆ 20  ┆ D   │
└─────┴─────┴─────┘

基于Numpy的Polars实现（已有方案） #

df2 = df

for d in add_list:
    arr = np.asarray(d).reshape(-1, len(d))
    df2 = pl.concat([df2, pl.DataFrame(arr, schema=df2.schema, orient="row")])

纯Polars实现方案 #

循环追加方式 #

无需依赖Numpy，直接构造单行DataFrame进行追加：

df3 = df

for d in add_list:
    # 将元组包装为列表，直接生成单行DataFrame，指定schema匹配原表
    new_row = pl.DataFrame([d], schema=df3.schema)
    df3 = pl.concat([df3, new_row])

print(df3)

批量高效处理方式 #

如果不需要严格使用for循环，推荐批量转换后一次性拼接，性能更优（避免多次concat的对象创建开销）：

# 将待追加的所有元组直接转为DataFrame，再与原表拼接
new_rows_df = pl.DataFrame(add_list, schema=df.schema)
df4 = pl.concat([df, new_rows_df])

print(df4)

内容的提问来源于stack exchange，提问作者beta green