在 Polars 中，若自定义函数需生成多个新列，不能直接用 pl.struct + alias(["col1", "col2"])，而应让函数返回表达式元组，并在 with_columns() 中动态重命名或解包为命名参数。
在 polars 中，若自定义函数需生成多个新列，不能直接用 `pl.struct` + `alias(["col1", "col2"])`，而应让函数返回表达式元组，并在 `with_columns()` 中动态重命名或解包为命名参数。
Polars 的 with_columns() 方法原生支持传入多个 Expr 对象，但不支持对 struct 类型表达式直接批量展开并重命名（如 .alias(["a", "b"]) 会报错或静默失效）。因此，要实现“一个函数输出多列”，关键在于：让函数返回多个独立的 Expr，再通过 Python 的迭代与解包机制赋予其唯一名称。
✅ 正确做法：函数返回表达式元组，配合生成器表达式重命名
首先，修改 _func，使其直接返回多个 Expr（而非 pl.struct）：
import polars as pl
import numpy as np
def _func(x: pl.Expr) -> tuple[pl.Expr, pl.Expr]:
x1 = x + 1
x2 = x + 2
return x1, x2 # 返回元组，每个元素都是独立 Expr
然后，在 with_columns() 中使用生成器表达式动态命名：
df = pl.DataFrame({"test": np.arange(1, 11)})
# 方式 1：按序号自动命名（推荐，可扩展至任意列数）
result = df.with_columns(
x.alias(f"test{i+1}") for i, x in enumerate(_func(pl.col("test")))
)
print(result)
输出：
shape: (10, 3) ┌──────┬───────┬───────┐ │ test ┆ test1 ┆ test2 │ │ --- ┆ --- ┆ --- │ │ i32 ┆ i32 ┆ i32 │ ╞══════╪═══════╪═══════╡ │ 1 ┆ 2 ┆ 3 │ │ 2 ┆ 3 ┆ 4 │ │ … ┆ … ┆ … │ └──────┴───────┴───────┘
该方式天然支持任意数量输出列——只需 _func 返回更多 Expr，enumerate 自动适配。
? 其他灵活命名方案
-
自定义列名列表（推荐用于语义化命名）：
names = ["incremented", "doubled_plus_one"] # 或 ["a", "b"] result = df.with_columns( x.alias(name) for x, name in zip(_func(pl.col("test")), names) ) -
利用 `kwargs` 解包（简洁，适合已知固定名称）**：
result = df.with_columns( **dict(zip(["val_plus_1", "val_plus_2"], _func(pl.col("test")))) )
⚠️ 注意事项：
- ❌ pl.struct([...]).alias(["c1","c2"]) 无效：alias() 对 struct 仅设置结构体字段名，不会展开为独立列；
- ✅ 函数返回值必须是 Expr 对象（非 Series 或 list），确保惰性计算兼容性；
- ? 若需复用逻辑，可将重命名逻辑封装为辅助函数，例如 expand_exprs(func, col, prefixes)；
- ? 所有方案均保持 Polars 的懒执行特性，无中间 DataFrame 构建开销。
综上，Polars 多列生成的核心范式是：函数产出表达式元组 → 客户端控制命名与注入。这既符合其表达式优先（expression-first）的设计哲学，也保障了性能与可维护性。
