如何拆分Polars含字典的列生成子列？是否转Pandas更简便？

核心结论 #

Polars原生支持将字典（Struct类型）列展开为子列，无需转Pandas，代码简洁且性能更优。

实现步骤与代码示例 #

假设你的DataFrame中Price和Duration列存储的是Polars Struct类型（这是Polars处理键值对的原生推荐格式），直接使用unnest方法即可完成展开：

import polars as pl

# 假设原始DataFrame为df
result_df = df.unnest(["Price", "Duration"])

如果列中存储的是Python原生字典对象，需要先将字典转换为Polars Struct类型，再执行展开：

result_df = (
    df
    .with_columns(
        # 将Python字典转为Struct类型
        pl.col("Price").struct.from_dict(),
        pl.col("Duration").struct.from_dict()
    )
    # 展开Struct为子列
    .unnest(["Price", "Duration"])
)

执行后，原Price列的idxmax和max会被展开为Price_idxmax、Price_max列，Duration列对应展开为Duration_idxmax、Duration_max列，完全匹配目标格式。

针对问题的解答 #

1. 链式调用方法：通过with_columns（转换字典为Struct） + unnest（展开子列）的链式调用即可实现，逻辑清晰简洁。
2. 字典是否可展开为子列：完全可以，Polars的Struct类型天然支持这种展开操作，是处理键值对列的标准方式。
3. 转Pandas是否更简便：不推荐。Polars原生方法无需跨库类型转换，大数据量场景下性能远优于转Pandas后处理；且代码复杂度与Pandas方案持平（Pandas通常需用pd.json_normalize或低效的apply遍历）。

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