本文介绍使用 Polars 内置表达式 pl.int_ranges() 高效创建列表列的方法，替代低效的 map_rows，支持向量化计算、类型安全且可无缝集成到链式操作中。

本文介绍使用 polars 内置表达式 `pl.int_ranges()` 高效创建列表列的方法，替代低效的 `map_rows`，支持向量化计算、类型安全且可无缝集成到链式操作中。

在 Polars 中，若需根据某整数列（如 length）为每行生成一个从 0 开始、长度动态变化的整数列表（例如 length=5 → [0, 1, 2, 3, 4]），最推荐的方式是使用专为此类场景设计的向量化表达式 pl.int_ranges()。该函数接受列名或表达式作为上界（默认下界为 0，步长为 1），直接返回 list[i64] 类型列，性能远超逐行处理。

以下为完整示例：

import polars as pl

df = pl.DataFrame({"length": [3, 5, 8]})
result = df.with_columns(
    pl.int_ranges("length").alias("list")
)
print(result)

输出：

shape: (3, 2)
┌────────┬─────────────┐
│ length ┆ list        │
│ ---    ┆ ---         │
│ i64    ┆ list[i64]   │
╞════════╪═════════════╡
│ 3      ┆ [0, 1, 2]   │
│ 5      ┆ [0, 1, … 4] │
│ 8      ┆ [0, 1, … 7] │
└────────┴─────────────┘

✅ 优势说明：

• 零拷贝 & 向量化：pl.int_ranges 在底层以 Rust 实现，避免 Python 层循环与对象构造开销；
• 类型推导准确：自动推断输出列为 list[i64]，无需手动指定 dtype；
• 可组合性强：可与其他表达式嵌套，例如 pl.int_ranges(pl.col("length") - 1) 实现自定义偏移；
• 内存友好：相比 map_rows 生成中间 Python list 对象，它直接构建 Polars 原生列表列，减少 GC 压力。

⚠️ 注意事项：

• 输入列必须为整数类型（i64, i32 等），浮点数或空值将引发错误；若存在缺失值，建议先用 .fill_null(0) 或 .clip_min(0) 处理；
• pl.int_ranges 默认从 0 开始、步长为 1；如需其他起始值或步长，可显式传入 low 和 step 参数，例如：

  pl.int_ranges(low=1, high="length", step=2)  # 生成 [1, 3, 5, ...]

总之，面对“每行生成动态 range 列”的需求，应优先选用 pl.int_ranges —— 它是 Polars 提供的语义清晰、性能卓越的标准解法。