如何在Polars中通过两列相除创建新列？含LazyFrame高效方案

问题背景 #

在Pandas中可直接通过两列相除为DataFrame创建新列，如何在Polars中实现相同操作？同时希望获取Polars.LazyFrame的最快实现方式。

Pandas参考实现 #

import polars as pl

df = pl.DataFrame({"col1":[10,20,30,40,50], "col2":[5,2,10,10,25]})

df_pd = df.to_pandas()
df_pd["ans"] = df_pd["col1"] / df_pd["col2"]

print(pl.from_pandas(df_pd))

预期输出 #

┌──────┬──────┬──────┐
│ col1 ┆ col2 ┆ ans  │
│ ---  ┆ ---  ┆ ---  │
│ i64  ┆ i64  ┆ f64  │
╞══════╪══════╪══════╡
│ 10   ┆ 5    ┆ 2.0  │
│ 20   ┆ 2    ┆ 10.0 │
│ 30   ┆ 10   ┆ 3.0  │
│ 40   ┆ 10   ┆ 4.0  │
│ 50   ┆ 25   ┆ 2.0  │
└──────┴──────┴──────┘

Polars实现方案 #

1. Eager模式（即时计算） #

Polars的Eager模式可通过with_columns或assign方法直接添加计算后的新列，写法简洁直观：

import polars as pl

df = pl.DataFrame({"col1":[10,20,30,40,50], "col2":[5,2,10,10,25]})

# 方式1：使用列表达式定义计算逻辑
df = df.with_columns((pl.col("col1") / pl.col("col2")).alias("ans"))
print(df)

# 方式2：类似Pandas的assign语法
df = df.assign(ans=pl.col("col1") / pl.col("col2"))
print(df)

2. LazyFrame模式（最优性能方案） #

Polars的Lazy模式会先构建查询计划并自动优化，是大数据量场景下的最快实现方式。核心步骤为：创建/转换为LazyFrame → 定义列计算 → 执行收集结果：

import polars as pl

# 直接创建LazyFrame
lf = pl.LazyFrame({"col1":[10,20,30,40,50], "col2":[5,2,10,10,25]})

# 构建查询计划并执行计算
result = lf.with_columns((pl.col("col1") / pl.col("col2")).alias("ans")).collect()
print(result)

若已有Eager DataFrame，可通过.lazy()方法快速转换为LazyFrame：

df = pl.DataFrame({"col1":[10,20,30,40,50], "col2":[5,2,10,10,25]})
lf = df.lazy()
result = lf.with_columns((pl.col("col1") / pl.col("col2")).alias("ans")).collect()
print(result)

两种模式均能得到与预期一致的输出，其中LazyFrame模式借助Polars查询优化器（如谓词下推、列裁剪等），在处理大规模数据时能显著提升执行效率。

内容的提问来源于stack exchange，提问作者user17260574