在Polars中解析带数字与SI前缀的字符串

针对包含千(k)、百万(M)、十亿(B)后缀的字符串列，这里提供两种高效的Polars实现方法，将其转换为对应的浮点数值：

方法一：正则提取+映射字典 #

通过正则提取后缀，结合映射字典匹配乘数，再与数字部分相乘得到结果：

import polars as pl

df = pl.DataFrame(dict(j=['1.2', '1.2k', '1.2M', '-1.2B']))

# 定义后缀与对应乘数的映射
multiplier_map = {
    'k': 1_000,
    'M': 1_000_000,
    'B': 1_000_000_000
}

result_df = df.with_columns(
    # 提取后缀并映射乘数，无后缀则用1
    pl.col('j').str.extract(r'([kMB])$', group_index=1).map_dict(multiplier_map, default=1)
    # 乘以去掉后缀后的数字转成的浮点数
    * pl.col('j').str.replace(r'[kMB]$', '').cast(pl.Float64)
    .alias('j')
)

print(result_df)

方法二：分支条件判断 #

通过when/then分支逻辑，针对不同后缀分别处理：

import polars as pl

df = pl.DataFrame(dict(j=['1.2', '1.2k', '1.2M', '-1.2B']))

result_df = df.with_columns(
    pl.when(pl.col('j').str.ends_with('k'))
    .then(pl.col('j').str.replace('k', '').cast(pl.Float64) * 1_000)
    .when(pl.col('j').str.ends_with('M'))
    .then(pl.col('j').str.replace('M', '').cast(pl.Float64) * 1_000_000)
    .when(pl.col('j').str.ends_with('B'))
    .then(pl.col('j').str.replace('B', '').cast(pl.Float64) * 1_000_000_000)
    .otherwise(pl.col('j').cast(pl.Float64))
    .alias('j')
)

print(result_df)

两种方法执行后都会得到目标格式的DataFrame：

shape: (4, 1)
┌───────────┐
│ j         │
│ ---       │
│ f64       │
╞═══════════╡
│ 1.2       │
│ 1200.0    │
│ 1.2e6     │
│ -1.2000e9 │
└───────────┘

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