polars 1.10.0+ 支持 list 列与标量列的直接算术广播（如 `pl.col("lst") + pl.col("val")`） ，无需 `map_elements` 或嵌套 `list.eval`，简洁高效地实现逐元素加法。
在 Polars 中，对 List 列（如 pl.List 类型）执行“按行广播运算”——即把同一行中另一列的标量值加到该行 List 的每个元素上——曾长期受限于 list.eval 不支持跨列引用的限制。但自 Polars v1.10.0 起，这一场景已原生支持：List 列可直接与同长度的标量列进行算术运算，自动完成元素级广播。
✅ 推荐方案（Polars ≥ 1.10.0）：
import polars as pl
df = pl.DataFrame({
'lst': [[0, 1], [9, 8]],
'val': [3, 4]
})
result = df.with_columns(
pl.col("lst") + pl.col("val")
)
print(result)输出：
shape: (2, 2) ┌───────────┬─────┐ │ lst ┆ val │ │ --- ┆ --- │ │ list[i64] ┆ i64 │ ╞═══════════╪═════╡ │ [3, 4] ┆ 3 │ │ [13, 12] ┆ 4 │ └───────────┴─────┘
⚠️ 注意事项：
- 此语法要求 Polars 版本 ≥ 1.10.0（请通过 pip install --upgrade polars 更新）；
- 运算自动按行对齐：第 i 行 lst 中的每个元素 + 第 i 行 val 的值；
- 支持所有基础算术操作（+, -, *, /, //, %），语义与 NumPy/Pandas 广播一致；
- 若 lst 中列表长度不一，仍能正确处理（无需预填充）。
? 替代方案（兼容旧版本或特殊需求）：
若需兼容
# 适用于等长列表（默认 n_field_strategy="first"）
df.with_columns(
pl.col("lst").list.to_struct() + pl.struct("val")
)
# 若列表长度不一，推荐显式指定策略以避免截断
df.with_columns(
(pl.col("lst").list.to_struct(n_field_strategy="max_width")
+ pl.struct("val"))
)
⚠️ 注意：此方式返回 struct 类型而非 list，后续需用 .struct.unnest() 或字段索引访问，灵活性略低。
? 总结：
优先使用 pl.col("lst") + pl.col("val") —— 它是官方推荐、性能最优、语义最清晰的解决方案。避免过时的 list.eval(pl.element() + ...) 模式（会报错）或低效的 map_elements（丢失查询优化与类型推断）。升级 Polars 至最新稳定版，即可解锁这一关键生产力改进。
