Polars中apply自定义函数仅首行有效，后续返回null的问题求助

问题原因 #

Polars的df.apply()方法原本是用来处理每行返回标量或与输入列数匹配的序列，当你返回DataFrame这种复杂结构时，只有第一行能被正确解析，后续行的DataFrame会因类型不兼容被强制转为null。

解决方案 #

改用map_elements()方法，它专门支持每行返回任意复杂类型（包括DataFrame），同时需要显式指定返回类型为pl.DataFrame：

修改后的代码 #

import polars as pl
import numpy as np

def myfunc(x):
    data1 = np.random.uniform(low=0, high=25, size=(5,))
    data2 = np.random.uniform(low=0, high=25, size=(5,))
    df = pl.DataFrame([data1, data2])
    return df

df = pl.DataFrame({
    'val1': [1, 2, 3, 4, 5],
    'val2': [1, 2, 3, 4, 5]
})

# 使用map_elements替代apply，指定返回类型
output = df.map_elements(myfunc, return_dtype=pl.DataFrame)
# 展开所有列
output = output.explode(output.columns)

print('\nPolars\n',output)

解释 #

• map_elements()会逐行处理输入，完整保留每行返回的DataFrame结构，不会因类型不兼容转为null
• return_dtype=pl.DataFrame明确告知Polars每行返回的是DataFrame，确保类型解析逻辑正确
• 后续的explode()可以正常展开所有生成的行，得到完整的合并结果

内容的提问来源于stack exchange，提问作者Sam