Polars项目中Series与Expr的API一致性优化

在Python数据处理领域，Polars作为一个高性能的数据操作库，其API设计遵循着一定的规范性和一致性原则。其中，Expr(表达式)和Series(序列)作为两个核心数据结构，它们的API方法应当保持高度一致，这是库设计中的一个重要原则。

在Polars的日常使用中，开发者发现了一个值得关注的API不一致问题：repeat_by方法在Expr对象上可用，但在Series对象上却不可用。这种不一致性可能会给开发者带来困惑，特别是对于那些熟悉Polars设计理念的用户来说，他们通常会预期这两种核心数据结构提供相似的功能集。

repeat_by方法的主要功能是根据指定的重复次数来扩展序列中的每个元素。例如，给定一个包含[1,2,3]的序列，当使用repeat_by(2)时，预期结果是[[1,1],[2,2],[3,3]]。这种操作在数据预处理和特征工程中非常有用，特别是在需要扩展数据维度或创建重复模式的场景下。

从技术实现角度来看，Expr和Series虽然都是Polars的核心抽象，但它们服务于不同的上下文。Expr主要用于惰性求值的查询计划中，而Series则是即时计算的内存数据结构。尽管它们的执行上下文不同，但对于终端用户来说，提供一致的接口可以显著降低学习成本和使用门槛。

这个问题被标记为"good first issue"，说明它是新贡献者熟悉代码库的一个良好切入点。修复这类API一致性问题通常涉及以下步骤：

1. 在Series类中实现相应的方法
2. 确保实现逻辑与Expr中的保持一致
3. 添加适当的类型提示和文档字符串
4. 编写单元测试验证功能正确性
5. 考虑性能优化和边界条件处理

对于Polars这样的高性能数据处理库，保持API一致性不仅仅是表面上的方法名称匹配，还需要考虑底层实现的性能特征。Series版本的repeat_by应该与Expr版本保持相似的性能表现，即使它们的实现路径可能不同。

这个问题虽然看似简单，但它反映了库设计中一个重要的哲学：优秀的API设计应该让用户能够根据直觉预测功能的存在和行为。通过修复这类不一致性，Polars可以进一步提升开发者体验，巩固其作为Python数据处理首选工具的地位。