在Polars中使用when()表达式时，如何避免覆盖已有分组值？

你的问题核心是循环里的otherwise(None)会覆盖之前已经标记好的分组值，这里给你两个实用的解决方案：

方案1：构建值-组号映射字典（最高效） #

先把所有价格和对应的组号整理成一个字典，直接用map_dict批量映射，彻底避免循环覆盖的问题：

import polars as pl

# 示例外部分组列表
resistance_groups = [[15, 20, 25], [30, 35], [40, 45, 50]]
# 构建映射字典：key是price值，value是组号（从1开始）
mapping_dict = {}
for group_idx, group in enumerate(resistance_groups, start=1):
    for price in group:
        mapping_dict[price] = group_idx

# 示例DataFrame
df = pl.DataFrame({"price": [15, 30, 20, 45, 10, 35]})

# 添加groups列
df = df.with_columns(
    groups=pl.col("price").map_dict(mapping_dict, default=None)
)
print(df)

这个方法的优势是一次完成映射，性能比循环好很多，尤其是数据量大的时候。

方案2：链式when-then保留已有标记 #

如果一定要用when-then的方式，每次只对未被标记的行进行判断，就能避免覆盖已有的组号：

import polars as pl

resistance_groups = [[15, 20, 25], [30, 35], [40, 45, 50]]
df = pl.DataFrame({"price": [15, 30, 20, 45, 10, 35]})

# 初始化groups列为null
df = df.with_columns(groups=pl.lit(None))

# 循环分组，只更新未标记的行
for group_idx, group in enumerate(resistance_groups, start=1):
    df = df.with_columns(
        groups=pl.when(
            pl.col("price").is_in(group) & pl.col("groups").is_null()
        ).then(group_idx).otherwise(pl.col("groups"))
    )

print(df)

这里的关键是加上了& pl.col("groups").is_null()的判断——只有还没被标记的行才会被当前组号覆盖，已经标记的行会保留原来的值。

为什么原来的方法失效？ #

你之前的循环每次生成新的groups列时，用了otherwise(None)，这意味着只要当前行不在当前组里，不管之前有没有标记，都会被设为None，自然就覆盖了之前的结果。上面两种方法都从根源上避免了这个问题。

内容的提问来源于stack exchange，提问作者Far1D