本文介绍在 Polars 中优雅实现列组合补全（类似 pandas janitor.complete）的方法，通过笛卡尔积扩展 DataFrame 并左连接原始数据，自动填充缺失组合的 null 值，兼顾可读性、可扩展性与性能。
本文介绍在 polars 中优雅实现列组合补全（类似 pandas `janitor.complete`）的方法，通过笛卡尔积扩展 dataframe 并左连接原始数据，自动填充缺失组合的 null 值，兼顾可读性、可扩展性与性能。
在数据分析中，常需将稀疏观测补全为完整的组合空间——例如，对实验中的因子组合（如参数 A 和 B）强制展开为全笛卡尔积，并保留原始观测值、缺失处填 null。Polars 当前原生不支持 complete() 类操作（该功能已在 GitHub Issue #9722 中列为高优先级需求），但可通过组合现有表达式高效实现。
推荐方案如下（比原始 join(...how='right') 更清晰、更易扩展）：
import polars as pl
df = pl.DataFrame({
'A': [0, 1, 1],
'B': [1, 1, 2],
'C': [6, 7, 8]
})
# ✅ 推荐：生成 A×B 全组合 + 左连接补全
result = (
df.select(pl.col(['A', 'B']).unique().sort().implode())
.explode('A')
.explode('B')
.join(df, how='left', on=['A', 'B'])
)
print(result)
输出：
shape: (4, 3) ┌─────┬─────┬──────┐ │ A ┆ B ┆ C │ │ --- ┆ --- ┆ --- │ │ i64 ┆ i64 ┆ i64 │ ╞═════╪═════╪══════╡ │ 0 ┆ 1 ┆ 6 │ │ 0 ┆ 2 ┆ null │ │ 1 ┆ 1 ┆ 7 │ │ 1 ┆ 2 ┆ 8 │ └─────┴─────┴──────┘
关键步骤解析：
-
select(...unique().sort().implode())：分别提取A和B的去重、排序后列表（确保结果稳定），封装为单行结构； -
explode('A').explode('B')：对嵌套列表进行双重爆炸，生成笛卡尔积（等价于crossjoin，但更直观可控）； -
join(...how='left')：以全组合为左表，原始数据为右表，自然完成值匹配与缺失填充。
✅ 优势说明：
-
可扩展性强：只需修改
select(pl.col([...])中的列名，即可支持任意多列（如['A','B','D']）的联合补全； -
语义清晰：逻辑链明确体现“构造全空间 → 补充观测”，避免
how='right'引发的方向混淆； -
性能稳健：利用 Polars 内置的向量化
explode和哈希连接，远优于循环或 Python 层笛卡尔积。
⚠️ 注意事项：
- 若某列含
null值，unique()默认会保留一个null；如需排除空值，改用unique().filter(pl.col('A').is_not_null())； - 组合规模随列基数乘积增长（如
A有 100 值、B有 200 值 → 20,000 行），请预先校验内存开销； - 如需按特定顺序排列结果（如先
A后B升序），可在最后添加.sort(['A', 'B'])。
该模式已成为 Polars 社区事实上的 complete 替代方案，既符合函数式链式风格，又为未来原生支持落地前提供了生产就绪的解决方案。
