如何原地修改Polars DataFrame中的嵌套数组列

嘿，我来帮你搞定Polars里修改嵌套数组列的问题～首先得先说明白：Polars这个库的设计思路是**不可变（immutable）**的，也就是说它本身就不推荐“原地修改”DataFrame，这种设计能避免很多意外的bug，让数据处理更安全。不过咱们可以用它推荐的方式，实现看起来像“原地更新”的效果，而且更符合Polars的用法。

先把你给的示例DataFrame补全（刚才的代码最后有点小问题，我帮你修正了）：

import polars as pl

df = pl.DataFrame(
    {
        "points": [
            [[1.0, 2.0]],
            [[3.0, 4.0], [5.0, 6.0]],
            [[7.0, 8.0], [9.0, 10.0], [11.0, 12.0]]
        ]
    }
)

接下来给你两种常用的修改方式，按需选就行：

1. 用Polars原生数组操作（推荐，速度快） #

如果你的修改逻辑是比较规则的（比如给每个点的坐标做加减乘除、修改某个位置的元素），用Polars自带的数组操作方法最靠谱，因为是库内部优化过的，速度比自定义Python函数快很多。

比如我想把每个点的x坐标乘2，y坐标加3，代码可以这么写：

# 生成新的DataFrame并重新赋值给df，看起来就像原地更新了
df = df.with_columns(
    pl.col("points").arr.eval(
        # 针对最内层的每个点（比如[1.0,2.0]）做修改
        pl.element().list.set(0, pl.element()[0] * 2)  # 修改第0位（x坐标）
                   .list.set(1, pl.element()[1] + 3),  # 修改第1位（y坐标）
        recursive=True  # 深入到最内层的数组（每个二维点）
    )
)

运行之后，df["points"]里的每个点就都被修改了，比如原来的[[1.0,2.0]]会变成[[2.0,5.0]]。

如果只是简单的添加/删除元素，比如给每个points数组末尾加一个[0.0,0.0]，直接用arr.append更简单：

df = df.with_columns(
    pl.col("points").arr.append([0.0, 0.0])
)

2. 自定义Python函数修改（适合复杂逻辑） #

如果你的修改逻辑特别复杂，Polars原生方法搞不定，那就用map_elements调用自定义函数。比如我想把每个points数组里的点都倒序排列：

# 先写好自定义的修改函数
def reverse_points(arr):
    # arr是每个行对应的嵌套数组，比如[[3.0,4.0],[5.0,6.0]]
    return arr[::-1]

# 用map_elements修改列，然后重新赋值
df = df.with_columns(
    pl.col("points").map_elements(
        reverse_points,
        return_dtype=pl.List(pl.List(pl.Float64))  # 要指定返回的类型，避免Polars自动推断出错
    )
)

不过要注意，map_elements是调用Python函数，速度会比原生方法慢，数据量大的时候尽量用第一种方法。

最后再啰嗦一句：虽然咱们说“原地修改”，但本质上Polars是生成了一个新的DataFrame对象，然后把原来的df变量指向这个新对象——这是Polars设计的最优解，比强行原地修改更安全。

备注：内容来源于stack exchange，提问作者DJDuque