如何在Python的Polars DataFrame中用列表值条件更新列？

在Polars中要实现按筛选顺序用列表/Series值条件更新列，核心是要让新值和筛选出的行一一对应，下面是两种最实用的方法：

方法一：临时行索引+合并（最贴近Pandas .loc逻辑） #

通过给原DataFrame添加临时行索引，将新值与筛选行的索引绑定后合并回原表，确保顺序完全对齐：

import polars as pl

# 示例数据
df = pl.DataFrame({
    "Season": [2022, 2023, 2023, 2023, 2023, 2023, 2024],
    "Wk": [10, 1, 2, 3, 4, 5, 2],
    "Value": [1, 2, 3, 4, 5, 6, 7]
})

# 要更新的新值（必须和筛选结果的行数、顺序完全匹配）
new_values = [10, 20, 30, 40, 50]

# 1. 给原表添加临时行索引
df_with_idx = df.with_row_index("temp_idx")

# 2. 筛选符合条件的行，提取它们的索引并和新值组成更新表
filtered_rows = df_with_idx.filter((pl.col("Season") == 2023) & (pl.col("Wk") <= 5))
update_df = pl.DataFrame({
    "temp_idx": filtered_rows["temp_idx"],
    "Value": new_values
})

# 3. 左合并更新表，用fill_null保留原列的非目标行值，最后清理临时列
df_updated = df_with_idx.join(update_df, on="temp_idx", how="left") \
    .with_columns(pl.col("Value_right").fill_null(pl.col("Value_left")).alias("Value")) \
    .drop(["temp_idx", "Value_left", "Value_right"])

print(df_updated)

方法二：when+then结合行号匹配（无需临时索引） #

如果新值是Polars Series，可以通过筛选后的行号来定位新值，直接构造更新列：

import polars as pl

# 示例数据同方法一
df = pl.DataFrame({
    "Season": [2022, 2023, 2023, 2023, 2023, 2023, 2024],
    "Wk": [10, 1, 2, 3, 4, 5, 2],
    "Value": [1, 2, 3, 4, 5, 6, 7]
})

new_values = pl.Series([10, 20, 30, 40, 50])

# 构造更新逻辑：用筛选后的行号匹配新值位置
df_updated = df.with_columns(
    pl.when((pl.col("Season") == 2023) & (pl.col("Wk") <= 5))
      .then(new_values[pl.int_range(0, pl.count()).filter((pl.col("Season") == 2023) & (pl.col("Wk") <= 5))])
      .otherwise(pl.col("Value"))
      .alias("Value")
)

print(df_updated)

注意事项 #

• 直接用when().then(列表)会失效：因为Polars的向量化操作会把列表当成整个列的常量，不会按筛选行顺序对应。
• 新值的长度必须和筛选出的行数完全一致，否则会报错。

内容的提问来源于stack exchange，提问作者Pedro_Siqueira