如何高效地仅对DataFrame的特定列执行fill_null操作？

问题 #

我想仅对DataFrame的数值列执行fill_null(strategy="zero")操作，目前的实现代码如下，请问有没有更符合Polars风格或者更高效的实现方式？

当前实现代码 #

import polars as pl
import polars.selectors as cs

df = pl.DataFrame(
    [
        pl.Series("id", ["alpha", None, "gamma"]),
        pl.Series("xs", [None, 100, 2]),
    ]
)

final_df = df.select(cs.exclude(cs.numeric()))
final_df = final_df.with_columns(
    df.select(cs.numeric()).fill_null(strategy="zero")
)

print(final_df)

当前输出 #

shape: (3, 2)
┌───────┬─────┐
│ id    ┆ xs  │
│ ---   ┆ --- │
│ str   ┆ i64 │
╞═══════╪═════╡
│ alpha ┆ 0   │
│ null  ┆ 100 │
│ gamma ┆ 2   │
└───────┴─────┘

优化实现 #

你可以直接利用Polars的列选择器和with_columns方法，无需拆分再合并DataFrame，代码更简洁且符合Polars的链式风格：

import polars as pl
import polars.selectors as cs

df = pl.DataFrame(
    [
        pl.Series("id", ["alpha", None, "gamma"]),
        pl.Series("xs", [None, 100, 2]),
    ]
)

# 直接针对数值列执行空值填充，保留所有原有列
final_df = df.with_columns(
    cs.numeric().fill_null(strategy="zero")
)

print(final_df)

优势说明 #

• 代码更简洁：不需要拆分DataFrame再合并，一行with_columns即可完成目标操作，可读性更强
• 效率更高：避免了中间DataFrame的创建和数据复制，Polars会在同一个查询计划中完成列的修改，执行性能更优
• 符合Polars设计理念：充分利用Polars的列选择器和方法链特性，保持代码的连贯性

内容的提问来源于stack exchange，提问作者bzm3r