如何以更简洁地道的Polars方式从字典创建指定结构的DataFrame

嘿，我完全懂你想要更简洁、更贴合Polars风格写法的需求！你的现有实现确实能达成目标，但确实有更紧凑高效的方式来完成这个任务，下面给你分享几种地道的方案：

方案1：直接在DataFrame构造时完成列处理 #

这种写法把列的构造逻辑合并到一步，省去后续的with_columns和select操作，代码更紧凑：

import polars as pl

mapping = {
    'CASH':  {'qty':  1, 'origin': 'E'},
    'ITEM':  {'qty': -9, 'origin': 'A'},
    'CHECK': {'qty': 46, 'origin': 'A'},
}

df = pl.DataFrame(
    [{'type': k, 'mapping': pl.struct(v)} for k, v in mapping.items()]
)

方案2：利用from_dict的orient参数 #

借助Polars内置的from_dict方法，结合索引转列的逻辑，再打包struct：

df = pl.from_dict(mapping, orient="index")\
       .rename({"index": "type"})\
       .with_columns(mapping=pl.struct(pl.all().exclude("type")))\
       .select("type", "mapping")

这里orient="index"会把字典的键作为索引列，我们先将其重命名为type，再把剩余的qty和origin列打包成struct类型的mapping列，最后筛选出需要的两列即可。

方案3：最直观的列构造写法 #

这种写法直接明确地构造两个目标列，可读性拉满：

df = pl.DataFrame({
    "type": list(mapping.keys()),
    "mapping": [pl.struct(v) for v in mapping.values()]
})

以上三种方案最终都会生成你需要的DataFrame结构：

shape: (3, 2)
┌───────┬───────────┐
│ type ┆ mapping │
│ --- ┆ --- │
│ str ┆ struct[2] │
╞═══════╪═══════════╡
│ CASH ┆ {1,"E"} │
│ ITEM ┆ {-9,"A"} │
│ CHECK ┆ {46,"A"} │
└───────┴───────────┘

其中方案3我个人最推荐，代码简洁直观，完全贴合Polars的惯用写法，也不需要额外的链式调用~

备注：内容来源于stack exchange，提问作者Phil-ZXX