Polars 支持类似 Pandas df.loc[:, 'start':'end'] 的列范围切片语法，既可直接用于 eager 模式下的 df[:, 'a':'b']，也可通过 select() 配合列索引动态提取，无需手动枚举大量列名。
polars 支持类似 pandas `df.loc[:, 'start':'end']` 的列范围切片语法，既可直接用于 eager 模式下的 `df[:, 'a':'b']`，也可通过 `select()` 配合列索引动态提取，无需手动枚举大量列名。
在数据处理中，常需从宽表（wide-format DataFrame）中提取连续命名的列子集（如 'first_name' 到 'last_name'），而显式列出所有列名不仅冗长，还易出错、难维护。Polars 自 0.20.0 版本起原生支持基于列名的切片语法（column name slicing），其行为与 Pandas 的 df.loc[:, 'start':'end'] 高度一致——即按 df.columns 中的顺序位置进行闭区间切片，而非字典序。
✅ 原生切片：简洁高效的 eager 操作
最直接的方式是使用方括号索引（eager API）：
import polars as pl
df = pl.DataFrame({
'date': ['2000-01-01', '2000-01-02'],
'first_name': ['Alice', 'Bob' ],
'middle_name': [None, 'Edward' ],
'last_name': ['Smith', 'Jones' ],
'standing': ['good', 'bad'],
})
# ✅ 直接切片：包含首尾列，按列定义顺序（非字母序！）
result = df[:, 'first_name':'last_name']
print(result)输出：
shape: (2, 3) ┌────────────┬─────────────┬───────────┐ │ first_name ┆ middle_name ┆ last_name │ │ --- ┆ --- ┆ --- │ │ str ┆ str ┆ str │ ╞════════════╪═════════════╪═══════════╡ │ Alice ┆ null ┆ Smith │ │ Bob ┆ Edward ┆ Jones │ └────────────┴─────────────┴───────────┘
⚠️ 注意：此语法要求 'first_name' 和 'last_name' 均存在于 df.columns 中，且 'first_name' 必须出现在 'last_name' 之前（即索引更小）。若列名不存在或顺序颠倒，将抛出 ValueError。
✅ 动态选择：在 lazy / select 场景中复用逻辑
当需在 select()、with_columns() 或 lazy 查询中复用列范围逻辑时，可封装为可重用函数：
def col_range(df: pl.DataFrame, start: str, end: str) -> list[pl.Expr]:
"""返回从 start 到 end（含）的列表达式列表"""
cols = df.columns
try:
start_idx = cols.index(start)
end_idx = cols.index(end)
if start_idx > end_idx:
raise ValueError(f"'{start}' appears after '{end}' in column order")
return [pl.col(c) for c in cols[start_idx : end_idx + 1]]
except ValueError as e:
raise ValueError(f"Column range selection failed: {e}")
# 在 select 中使用
result = df.select(col_range(df, 'first_name', 'last_name'))该函数具备错误检查能力，明确提示列缺失或顺序异常，增强生产代码鲁棒性。
? 关键原理与注意事项
- 列顺序决定切片结果：Polars 严格依据 df.columns 返回的列表顺序（即 DataFrame 创建/重排后的物理顺序），不是按 ASCII 字典序。例如 ['z', 'a', 'b'] 中 'a':'b' 会返回 ['a','b']，但 'z':'b' 将报错（因 'z' 索引为 0，'b' 为 2，0 0 会触发异常）。
- 仅限 eager 模式原生支持：df[:, 'a':'b'] 语法目前仅在 eager DataFrame 上可用；lazy DataFrame 需通过 select(col_range(...)) 实现等效逻辑。
- 不支持通配符或正则：如需模糊匹配（如 'col_*'），应改用 pl.col(r'^col_.*$') 正则选择，再结合 sort_by 或索引定位边界。
掌握列名切片能力，能显著提升 Polars 宽表处理的开发效率与代码可读性——告别冗长列名列表，让范围选择回归直观与可靠。
