在 Polars 中，直接对 struct 列使用 with_fields() 无法消除外层 null —— 即使内部字段已填充，整个 struct 仍可能为 null；正确做法是用 pl.struct() 重建列，显式指定已填充的字段，从而重置外层空值状态。
在 polars 中，直接对 struct 列使用 `with_fields()` 无法消除外层 null —— 即使内部字段已填充，整个 struct 仍可能为 null；正确做法是用 `pl.struct()` 重建列，显式指定已填充的字段，从而重置外层空值状态。
当你在 Polars 中处理嵌套结构（如 struct 列）并希望对其中特定字段（如 "a" 或 "b"）执行 forward_fill() 和 backward_fill() 时，一个常见误区是使用 .struct.with_fields()。该方法仅更新 struct 内部字段的值，但不会改变 struct 列自身的 nullability：如果某行 struct 原本为 null，即使你用 with_fields() 替换了其所有子字段，该行仍保持 null —— 因为 struct 的“外层空值”未被清除。
这正是原代码输出中仍存在 null 的根本原因：
# ❌ 错误：仅更新字段，不解决外层 null
pl.col("df1").struct.with_fields(
pl.field("a").forward_fill().backward_fill(),
pl.field("b").forward_fill().backward_fill(),
)✅ 正确解法是完全重建 struct 列：提取各字段、分别填充、再用 pl.struct() 组合成新列。这样 Polars 会基于新字段的值推断外层 null 状态，从而真正实现“全列填充”。
以下是修复后的完整示例：
import polars as pl
df1 = pl.LazyFrame({
"dt": ["2024-08-30", "2024-08-02", "2024-09-03", "2024-09-04"],
"df1": {"a": [0.1, 0.2, 0.3, 0.1], "b": [0, -1, 2, 1]},
}).with_columns(pl.col("dt").str.to_datetime("%Y-%m-%d"))
df2 = pl.LazyFrame({
"dt": ["2024-08-29", "2024-08-30", "2024-09-02", "2024-09-03"],
"df2": {"a": [100, 120, -80, 20], "b": [1, -2, 0, 0]},
}).with_columns(pl.col("dt").str.to_datetime("%Y-%m-%d"))
df = pl.concat([df1, df2], how="align")
# ✅ 正确：重建 struct 列，重置外层 null
df_filled = df.with_columns(
*[
pl.struct(
pl.col(c).struct.field("a").forward_fill().backward_fill().alias("a"),
pl.col(c).struct.field("b").forward_fill().backward_fill().alias("b"),
).alias(c)
for c in ["df1", "df2"]
]
)
result = df_filled.collect()
print(result)输出将严格匹配预期：
┌─────────────────────┬───────────┬───────────┐
│ dt ┆ df1 ┆ df2 │
│ --- ┆ --- ┆ --- │
│ datetime[μs] ┆ struct[2] ┆ struct[2] │
╞═════════════════════╪═══════════╪═══════════╡
│ 2024-08-02 00:00:00 ┆ {0.2,-1} ┆ {100,1} │
│ 2024-08-29 00:00:00 ┆ {0.2,-1} ┆ {100,1} │
│ 2024-08-30 00:00:00 ┆ {0.1,0} ┆ {120,-2} │
│ 2024-09-02 00:00:00 ┆ {0.1,0} ┆ {-80,0} │
│ 2024-09-03 00:00:00 ┆ {0.3,2} ┆ {20,0} │
│ 2024-09-04 00:00:00 ┆ {0.1,1} ┆ {20,0} │
└─────────────────────┴───────────┴───────────┘? 进阶提示：若只需填充某一字段（如仅 "a"），可保留另一字段原值，避免冗余计算：
pl.struct(
pl.col("df1").struct.field("a").forward_fill().backward_fill().alias("a"),
pl.col("df1").struct.field("b").alias("b"), # 不填充 b 字段
).alias("df1")⚠️ 注意事项：
-
forward_fill()/backward_fill()默认按行顺序填充，不依赖时间索引；若需按时间对齐填充（如按dt排序后填充），请先.sort("dt")； -
pl.struct(...).alias(c)是关键：它创建全新列，绕过旧列的 null mask； - LazyFrame 下操作高效，
.collect()仅在最后触发计算。
掌握这一模式，即可精准控制 struct 列中任意字段的填充行为，同时确保整列逻辑一致性。
