本文介绍如何使用 Polars 的链式表达式，在单次 with_columns 调用中，将两个等长列表列（如 Movie 和 Count）按位置配对，并自动跳过任一元素为 null 的项，最终生成一个 struct 类型的配对结果列。
本文介绍如何使用 polars 的链式表达式，在单次 `with_columns` 调用中，将两个等长列表列（如 movie 和 count）按位置配对，并自动跳过任一元素为 `null` 的项，最终生成一个 struct 类型的配对结果列。
在 Polars 中处理嵌套列表时，常需对齐、过滤并结构化多列数据。本例中，目标是将 Movie 和 Count 两列的对应元素（索引一致）组成键值对，但仅保留双方均非空的配对——即跳过 Movie[i] 或 Count[i] 任一为 null 的位置。关键约束是：整个操作必须在单个 with_columns 内完成，避免中间物化或多次扫描。
实现的核心思路是：
- 定位有效索引：对 Movie 列调用 .list.eval(pl.element().is_not_null().arg_true())，返回所有非空元素的下标（如 [1]）；
- 同步筛选两列：用 .list.gather(...) 同时提取 Movie 和 Count 在这些下标处的元素，确保严格对齐；
- 构造结构体：将筛选后的两列传入 pl.struct()，自动生成 struct[2] 类型字段（字段名默认继承原列名）。
以下是完整可运行代码：
import polars as pl
df = pl.DataFrame({
"Movie": [[None, "IT", "Joker"]],
"Count": [[30, 27, None]],
})
result = df.with_columns(
pl.struct(
pl.col("Movie", "Count")
.list.gather(
pl.col("Movie").list.eval(pl.element().is_not_null().arg_true())
)
.list.first()
).alias("data")
)
print(result.select("data"))输出：
shape: (1, 1)
┌───────────┐
│ data │
│ --- │
│ struct[2] │
╞═══════════╡
│ {"IT",27} │
└───────────┘⚠️ 注意事项：
- list.gather() 要求索引列与被筛选列长度一致，此处因 Movie 和 Count 等长且同属一行，安全可用；
- .list.first() 是必需的：list.gather() 返回的是嵌套列表（如 [[["IT"], [27]]]），需解包一层；
- 若需自定义 struct 字段名（如 "title" / "views"），可显式指定：pl.struct(pl.col("Movie").alias("title"), pl.col("Count").alias("views"))；
- 此方案天然支持多行数据（每行独立处理），无需 group_by 或 apply，性能高效。
总结：Polars 的 list.eval + list.gather 组合提供了强大的列表级向量化过滤能力，配合 struct 可在单表达式内完成复杂嵌套对齐任务，是处理 JSON-like 列的推荐范式。
