如何在Polars单元格中更新非简单结构（如元组）

针对你需要将DataFrame中每个单元格的元组（或其他嵌套结构）第二个元素替换为9的需求，以下是几种可行方案：

1. 直接处理元组（不可变类型） #

由于元组是不可变对象，无法直接修改元素，只能生成新元组替换原对象：

import polars as pl

# 初始化原始DataFrame
df = pl.DataFrame([[(1,2),(3,4)],[(5,6),(7,8)]], list('ab'))

# 遍历所有列，替换元组第二个元素为9
df_updated = df.with_columns(
    pl.col('*').map_elements(lambda t: (t[0], 9), return_dtype=pl.Object)
)

print(df_updated)

执行后输出：

shape: (2, 2)
┌────────┬────────┐
│ a      ┆ b      │
│ ---    ┆ ---    │
│ object ┆ object │
╞════════╪════════╡
│ (1, 9) ┆ (5, 9) │
│ (3, 9) ┆ (7, 9) │
└────────┴────────┘

2. 改用列表（可变类型） #

如果可以将元组替换为列表，修改逻辑更直观：

# 初始化列表结构的DataFrame
df_list = pl.DataFrame([[[1,2],[3,4]],[[5,6],[7,8]]], list('ab'))

# 更新列表第二个元素
df_list_updated = df_list.with_columns(
    pl.col('*').map_elements(lambda lst: [lst[0], 9], return_dtype=pl.Object)
)

3. 改用字典结构（可读性更强） #

若下游需求允许，用字典存储键值对更清晰，修改指定字段即可：

# 初始化字典结构的DataFrame
df_dict = pl.DataFrame(
    [[{'first':1,'second':2}, {'first':3,'second':4}],
     [{'first':5,'second':6}, {'first':7,'second':8}]],
    list('ab')
)

# 更新字典中'second'字段的值为9
df_dict_updated = df_dict.with_columns(
    pl.col('*').map_elements(lambda d: {'first': d['first'], 'second':9}, return_dtype=pl.Object)
)

4. 推荐方案：拆分为独立列（性能最优） #

Object类型列的处理效率较低，若下游流程允许，建议将嵌套信息拆分为单独列，利用Polars向量化操作提升性能：

# 1. 将元组拆分为独立列
df_split = df.with_columns(
    pl.col('a').map_elements(lambda t: pl.Series(t)).list.to_struct(fields=['a1', 'a2']),
    pl.col('b').map_elements(lambda t: pl.Series(t)).list.to_struct(fields=['b1', 'b2'])
).unnest('a', 'b')

# 2. 批量更新第二列的值为9
df_split_updated = df_split.with_columns(pl.col('a2', 'b2').lit(9))

# 3. 可选：合并回嵌套结构（若下游需要）
df_merged = df_split_updated.with_columns(
    a=pl.struct(['a1', 'a2']).map_elements(lambda s: (s['a1'], s['a2'])),
    b=pl.struct(['b1', 'b2']).map_elements(lambda s: (s['b1'], s['b2']))
).select('a', 'b')

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