在 Polars 中，表达式（Expr）不能直接作用于 Series 并调用 .to_numpy() 等方法；必须通过 DataFrame 上下文（如 pl.select()）执行表达式计算，再提取结果为 Series，或优先使用 Series 原生方法（如 .dt.offset_by()）完成操作。
在 polars 中，表达式（`expr`）不能直接作用于 `series` 并调用 `.to_numpy()` 等方法；必须通过 dataframe 上下文（如 `pl.select()`）执行表达式计算，再提取结果为 series，或优先使用 series 原生方法（如 `.dt.offset_by()`）完成操作。
Polars 的核心设计原则之一是：表达式（Expr）必须在查询上下文（即 DataFrame 或 LazyFrame）中执行，它本身不是可计算的数据容器。当你对一个 Series 直接使用 + pl.duration(...) 时，Polars 会尝试将该操作构建成一个未绑定的 Expr 对象，而非立即计算——因此你无法直接调用 .to_numpy()、.to_list() 或 .item() 等数据访问方法，会抛出 AttributeError: 'Expr' object has no attribute 'to_numpy'。
✅ 正确做法一：借助 pl.select() 构建临时 DataFrame 上下文
pl.select() 是创建单列（或多列表达式）DataFrame 的最简方式，它隐式提供执行环境：
import polars as pl # ❌ 错误：Series + Expr → Expr（不可直接物化） time_series = pl.Series([pl.datetime(2025, 3, 27)]) # (time_series + pl.duration(minutes=5)).to_numpy() # AttributeError! # ✅ 正确：先用 pl.select() 执行表达式，再转为 Series result_df = pl.select(time_series + pl.duration(minutes=5)) result_series = result_df.to_series() # 自动取首列（仅一列时） print(result_series) # shape: (1,) # Series: '' [datetime[μs]] # [ # 2025-03-27 00:05:00 # ]
? 提示：
pl.select(expr).to_series()是将任意Expr物化为Series的通用模式，适用于数值、字符串、结构体等各类表达式。
✅ 正确做法二：优先使用 Series 原生方法（更高效、更直观）
对于常见时间运算（如加减时长），Polars 为 Series.dt 访问器提供了高度优化的原生方法，无需引入表达式：
# 推荐：简洁、语义清晰、性能更优
s = pl.Series([pl.datetime(2025, 3, 27)])
offset_series = s.dt.offset_by("5m") # 支持 '5m', '1h30m', '2d', etc.
print(offset_series)
# shape: (1,)
# Series: '' [datetime[μs]]
# [
# 2025-03-27 00:05:00
# ]✅ offset_by() 支持自然语言风格的时间偏移字符串（如 "1h30m"、"7d"），底层零拷贝，比 Expr 方案更轻量。
⚠️ 注意事项
-
pl.Series([...])中若传入pl.datetime()等表达式字面量，会意外创建dtype=object的 Series（含未求值的Expr对象），这不是预期行为。应始终用pl.date()/pl.time()/pl.datetime()的标量值，或用pl.select().to_series()显式构造强类型 Series。 - 表达式链（如
s.cast(pl.String()).str.slice(0, 5)）同样需置于pl.select()中执行，不能直接链在 Series 上。 - 若需批量处理多个 Series 表达式，建议统一升维至 DataFrame 操作，避免反复
select → to_series，提升可读性与性能。
总之：Polars 表达式 ≠ 即时计算逻辑；它是惰性查询计划。物化 Expr 到 Series 的标准路径是 pl.select(expr).to_series()；而对 Series 本体已有成熟 API 的操作（如时间偏移、字符串切片），请优先使用 .dt.* 或 .str.* 方法——更安全、更快、更易维护。
