您可以使用apply方法沿着使用enumerate函数来实现访问列表列中每个元素的当前索引的预期结果。下面是一个如何实现的示例：

import polars as pl
data = {"a": [[1,2,3],[4,5,6]]}
schema = {"a": pl.List(pl.Int8)}
df = pl.DataFrame(data, schema=schema).with_columns([
    pl.col("a").apply(lambda arr: [x * i for i, x in enumerate(arr)])
])
print(df)

字符串
输出

shape: (2, 1)
┌────────────┐
│ a          │
│ ---        │
│ list[i64]  │
╞════════════╡
│ [0, 2, 6]  │
│ [0, 5, 12] │
└────────────┘

型

使用pl.element().cum_count()可以很容易地访问列表中元素的索引，如下所示：

df.with_columns(
    pl.col("a").list.eval(pl.element() * pl.element().cum_count())
)

字符串

输出。

shape: (2, 1)
┌────────────┐
│ a          │
│ ---        │
│ list[i64]  │
╞════════════╡
│ [0, 2, 6]  │
│ [0, 5, 12] │
└────────────┘

型

最好的方法（据我所知）是创建一个行索引，爆炸，使用cumcount和一个窗口函数来创建idx（我称之为j），然后用groupby/agg把它放回一起

(
    df
        .with_row_count('i')
        .explode('a')
        .with_columns(j=pl.first().cumcount().over('i'))
        .with_columns(new=pl.col('a')*pl.col('j'))
        .groupby('i', maintain_order=True)
        .agg(pl.col('new'))
        .drop('i')
)

字符串