将Polars DataFrame中的数组列拆分为常规列

嘿，我来帮你搞定这个问题！要把Polars DataFrame里的数组列拆成带自定义表头的常规列，其实有两种简单又实用的方法，我给你一步步演示：

方法1：转结构体后展开 #

这种方法先把数组列转换成结构体，给每个元素指定对应的字段名，再把结构体拆成单独的列，逻辑非常直观：

import polars as pl

df = pl.DataFrame(
    {
        "first_last": [
            ["Anne", "Adams"],
            ["Brandon", "Branson"],
            ["Camila", "Campbell"],
            ["Dennis", "Doyle"],
        ],
    }
)

# 把数组列转成带指定字段的结构体，再展开成独立列
result_df = df.with_columns(
    pl.col("first_last").list.to_struct(fields=["first_name", "last_name"])
).unnest("first_last")

print(result_df)

运行后会得到这样的结果：

shape: (4, 2)
┌────────────┬───────────┐
│ first_name ┆ last_name │
│ ---        ┆ ---       │
│ str        ┆ str       │
╞════════════╪═══════════╡
│ Anne       ┆ Adams     │
│ Brandon    ┆ Branson   │
│ Camila     ┆ Campbell  │
│ Dennis     ┆ Doyle     │
└────────────┴───────────┘

方法2：直接提取数组元素并命名列 #

如果你的数组长度是固定的（比如例子里每个数组都有2个元素），也可以直接提取每个位置的元素，同时给新列命名，操作更简洁：

# 提取数组第0位和第1位元素，分别命名为first_name和last_name，最后删掉原数组列
result_df = df.with_columns(
    first_name=pl.col("first_last").list.get(0),
    last_name=pl.col("first_last").list.get(1)
).drop("first_last")

print(result_df)

这个方法得到的结果和上面完全一致，而且代码更直白，适合你明确知道每个数组元素对应什么字段的场景。

要是你遇到数组长度不固定的情况，可以先通过list.length()检查长度，或者用list.to_struct()时设置fill_null参数来处理缺失值，但你的例子里都是固定长度的，这两种方法都能完美解决问题～

内容来源于stack exchange