本文介绍使用 Polars 原生字符串表达式 str.contains() 替代 map_elements() 实现跨列子串检查，显著提升性能与可扩展性，适用于大规模数据场景。
本文介绍使用 polars 原生字符串表达式 `str.contains()` 替代 `map_elements()` 实现跨列子串检查，显著提升性能与可扩展性，适用于大规模数据场景。
在 Polars 中，当需要判断一列字符串（如 B）是否作为子串出现在另一列字符串（如 A）中时，初学者常误用 map_elements() 配合 Python 原生 in 操作符。虽然逻辑直观，但该方法会触发 Python 级别循环，丧失 Polars 的向量化优势，导致性能急剧下降，尤其在百万行以上数据中不可接受。
✅ 推荐做法是直接使用 Polars 内置的字符串表达式：
import polars as pl
df = pl.DataFrame({"A": ["foo", "bar", "foo"], "B": ["f", "b", "s"]})
result = df.with_columns(
B_in_A = pl.col("A").str.contains(pl.col("B"))
)
print(result)输出：
shape: (3, 3) ┌─────┬─────┬────────┐ │ A ┆ B ┆ B_in_A │ │ --- ┆ --- ┆ --- │ │ str ┆ str ┆ bool │ ╞═════╪═════╪════════╡ │ foo ┆ f ┆ true │ │ bar ┆ b ┆ true │ │ foo ┆ s ┆ false │ └─────┴─────┴────────┘
该方案完全基于 Polars 的惰性执行引擎和底层 Rust 实现，支持自动广播、空值安全处理（默认 null 输入返回 null），且可无缝集成进链式表达式或 LazyFrame 流水线中。
⚠️ 注意事项：
- str.contains() 默认启用正则匹配（即 literal=False），若 B 列含正则元字符（如 .、*、?），需显式设 literal=True 避免意外行为：
pl.col("A").str.contains(pl.col("B"), literal=True) - 若需大小写不敏感匹配，添加 strict=False 参数（Polars ≥ 0.20.16）或使用 str.to_lowercase() 预处理；
- 对于更复杂的模式（如单词边界、多模式 OR 匹配），可结合 str.contains(r'pattern', literal=False) 使用正则，但务必注意注入风险（避免用户输入直连正则）。
总结：始终优先选用 Polars 原生表达式而非 map_elements() 处理列间字符串关系——这不仅是性能优化的关键路径，更是写出可维护、可扩展、符合 Polars 设计哲学的代码的基础原则。
