如何在Polars DataFrame中基于两列比较快速创建新字符串列？

最优解法：使用Polars原生表达式（推荐） #

不需要用map_batches这类用户自定义函数，直接用Polars内置的when/then/otherwise矢量化操作，既简洁高效，还能避免类型推断错误：

import polars as pl

df = pl.from_repr("""
┌─────┬─────┐
│ a   ┆ b   │
│ --- ┆ --- │
│ i64 ┆ i64 │
╞═════╪═════╡
│ 2   ┆ 20  │
│ 30  ┆ 3   │
└─────┴─────┘
""")

# 生成目标列
result_df = df.with_columns(
    pl.when(pl.col("a") < pl.col("b"))
      .then("+")
      .otherwise("-")
      .alias("strand")
)

print(result_df)

执行后直接得到目标结果：

┌─────┬─────┬────────┐
│ a   ┆ b   ┆ strand │
│ --- ┆ --- ┆ ---    │
│ i64 ┆ i64 ┆ str    │
╞═════╪═════╪════════╡
│ 2   ┆ 20  ┆ +      │
│ 30  ┆ 3   ┆ -      │
└─────┴─────┴────────┘

若坚持使用map_batches的解决方案 #

如果一定要用map_batches，需要手动指定返回类型return_dtype=pl.String，让Polars明确输出类型：

result_df = df.with_columns(
    pl.map_batches(
        ["a", "b"], 
        lambda s: "+" if s[0] < s[1] else "-",
        return_dtype=pl.String
    ).alias("strand")
)

为什么原生表达式更好 #

• 矢量化操作比用户自定义函数性能高得多，处理大数据集时差距明显
• 无需手动指定类型，Polars能自动推断返回的字符串类型
• 代码可读性更强，符合Polars的惯用写法

内容的提问来源于stack exchange，提问作者darked89