本文介绍使用 Polars 的 with_columns() 配合 pl.lit() 为现有 DataFrame 批量添加指定名称的空列，避免低效的 cross join 操作，提升代码可读性与执行性能。

本文介绍使用 polars 的 `with_columns()` 配合 `pl.lit()` 为现有 dataframe 批量添加指定名称的空列，避免低效的 cross join 操作，提升代码可读性与执行性能。

在 Polars 中向已有 DataFrame 添加多个新列（尤其是初始值统一的空列），最直观但不推荐的方式是构造一个新 DataFrame 并执行 cross 连接——这不仅语义不清（cross join 本意是笛卡尔积），还会引入冗余计算和内存开销。Polars 提供了更简洁、更符合函数式表达习惯的原生方案：with_columns() + pl.lit()。

核心方法是利用 pl.lit(value) 创建一个“常量表达式”，再通过 .alias(name) 指定列名。该表达式会被广播到 DataFrame 的每一行，从而高效生成新列：

import polars as pl

df = pl.DataFrame({"a": [1, 2, 3]})
mylist = [f"col{i}" for i in range(1, 4)]

# ✅ 推荐：简洁、高效、语义明确
result = df.with_columns(pl.lit("").alias(col) for col in mylist)
print(result)

输出：

shape: (3, 4)
┌─────┬──────┬──────┬──────┐
│ a   ┆ col1 ┆ col2 ┆ col3 │
│ --- ┆ ---  ┆ ---  ┆ ---  │
│ i64 ┆ str  ┆ str  ┆ str  │
╞═════╪══════╪══════╪══════╡
│ 1   ┆      ┆      ┆      │
│ 2   ┆      ┆      ┆      │
│ 3   ┆      ┆      ┆      │
└─────┴──────┴──────┴──────┘

你也可以使用 map() 替代生成器表达式（效果等价，风格略有差异）：

result = df.with_columns(map(lambda col: pl.lit("").alias(col), mylist))

⚠️ 注意事项：

• pl.lit("") 生成的是 str 类型列；若需其他默认值（如 None, 0, False），直接传入对应字面量即可：pl.lit(0), pl.lit(None)。
• 若需为不同列设置不同默认值，可结合 zip() 构建 (column_name, default_value) 对，再用 pl.lit(val).alias(name) 动态生成。
• with_columns() 是惰性操作，在链式调用中可安全组合其他变换（如 filter()、select()），无需中间赋值。

✅ 总结：相比手动构造 DataFrame + join(how='cross')，with_columns(pl.lit(...).alias(...)) 更符合 Polars 的表达范式——声明式、向量化、零冗余。它语义清晰、性能优越，是批量添加空列的标准实践。