解决方案是停止从apply的Angular 思考。

你可以这样做

(
    pl.from_pandas(df)
    .with_columns(
        calc_data= pl.concat_list(
            pl.col(var1)+pl.col(var2), 
            pl.col(var1)*pl.col(var2)
            )
        )
)
shape: (3, 3)
┌─────┬─────┬───────────┐
│ A   ┆ B   ┆ calc_data │
│ --- ┆ --- ┆ ---       │
│ i64 ┆ i64 ┆ list[i64] │
╞═════╪═════╪═══════════╡
│ 1   ┆ 4   ┆ [5, 4]    │
│ 2   ┆ 5   ┆ [7, 10]   │
│ 3   ┆ 6   ┆ [9, 18]   │
└─────┴─────┴───────────┘

字符串
虽然你可能不希望返回列表，所以你可以做一些类似的事情

(
    pl.from_pandas(df)
    .with_columns(
            calc1=pl.col(var1)+pl.col(var2), 
            calc2=pl.col(var1)*pl.col(var2)
            )
)
shape: (3, 4)
┌─────┬─────┬───────┬───────┐
│ A   ┆ B   ┆ calc1 ┆ calc2 │
│ --- ┆ --- ┆ ---   ┆ ---   │
│ i64 ┆ i64 ┆ i64   ┆ i64   │
╞═════╪═════╪═══════╪═══════╡
│ 1   ┆ 4   ┆ 5     ┆ 4     │
│ 2   ┆ 5   ┆ 7     ┆ 10    │
│ 3   ┆ 6   ┆ 9     ┆ 18    │
└─────┴─────┴───────┴───────┘

型
如果您坚持要维护反模式，即带名称的逐行迭代，那么您可以使用iter_rows(named=True)为每一行获取dict s的生成器。
你的功能，如定义，不为我工作，所以我修改它到这个...

var1='A'
var2='B'
def some_calculation(row):
    cal1 = row[var1] + row[var2]
    cal2 = row[var1] * row[var2]
    return [cal1 , cal2]

型
这样的话我就...

df['calc_data'] = df.apply(some_calculation, axis=1)
df
A  B calc_data
0  1  4    [5, 4]
1  2  5   [7, 10]
2  3  6   [9, 18]

型
使用generator你可以：

pldf=pl.from_pandas(df)
pldf.with_columns(
    calc_data=pl.Series(some_calculation(x) for x in pldf.iter_rows(named=True))
)
shape: (3, 3)
┌─────┬─────┬───────────┐
│ A   ┆ B   ┆ calc_data │
│ --- ┆ --- ┆ ---       │
│ i64 ┆ i64 ┆ list[i64] │
╞═════╪═════╪═══════════╡
│ 1   ┆ 4   ┆ [5, 4]    │
│ 2   ┆ 5   ┆ [7, 10]   │
│ 3   ┆ 6   ┆ [9, 18]   │
└─────┴─────┴───────────┘

型
也就是说，如果您要保持行迭代，那么“迁移”到polars几乎没有什么好处。