我想将列new_column添加到现有的数据帧df中.这个看起来像是一个复制品
Add new column to polars DataFrame个
但这些问题的答案，以及许多类似问题的答案，并不能真正在existing个数据帧中增加一列.它们使用另一个数据帧创建一个新列.I think这可以像这样修复:
df = df.with_columns(
new_column = pl.lit('some_text')
)
然而，仅仅为了添加几列而重写整个数据帧，对我来说似乎有点浪费.这是正确的做法吗？
你的问题表明，当你这样做的时候，你认为
df = df.with_columns(
new_column = pl.lit('some_text')
)
你把所有的东西都复制到某个新的DF上，这将是非常低效的.
你是对的，这将是非常低效的，但事实并非如此.DataFrame只是一种组织指向实际数据的指针的方法.层次 struct 是你在顶部的数据帧.在DataFrame中是表示列的Serieses.即使在系列级别，它仍然只是指针，而不是数据.它由一个或多个块数组组成，符合apache arrow内存模型.
当你"创建一个新的df"时，你所做的只是组织指针，而不是数据.数据不会移动或复制.
相反，想想Pandas 的inplace个参数.这肯定会让人觉得你是在原地修改东西，而不是复制.
In Place通常不执行任何原地操作 而是复制并重新分配指针
https://github.com/pandas-dev/pandas/issues/16529#issuecomment-323890422个
问题的关键在于，在pandas中，你所做的一切都会产生一个(或多个)副本.在polars中，情况并非如此，所以即使你分配了一个新的df，新的df也只是指向数据的外层.数据不会移动，也不会复制，除非您专门执行了这样的操作.
也就是说，有一些方法可以在不要求您使用df=df...语法的情况下插入列，但它们在幕后做的事情与使用首选赋值语法时没有什么不同.