如何在Polars中实现替换前n行特定值的等效操作？

要实现和Pandas里df_pd.iloc[0:5] = float("nan")相同的效果，在Polars里可以通过条件表达式或update方法完成，以下是具体示例：

方法1：使用条件表达式（推荐，符合Polars不可变设计） #

通过pl.when()判断行索引范围，对前n行替换为目标值（这里用None对应Polars的空值，等价于Pandas的NaN）：

import polars as pl

df = pl.DataFrame({"test": range(10)})

# 替换前5行为空值
df_updated = df.with_columns(
    pl.col("test").when(pl.row_index() < 5).then(None).keep_name()
)

print(df_updated)

运行结果：

shape: (10, 1)
┌──────┐
│ test │
│ ---  │
│ i64  │
├──────┤
│ null │
│ null │
│ null │
│ null │
│ null │
│ 5    │
│ 6    │
│ 7    │
│ 8    │
│ 9    │
└──────┘

方法2：使用update方法（原地修改风格） #

如果习惯Pandas的原地修改逻辑，也可以用update()配合过滤器实现：

import polars as pl

df = pl.DataFrame({"test": range(10)})

# 原地更新前5行为空值
df.update(pl.col("test").set(None).filter(pl.row_index() < 5))

print(df)

注意点 #

• Polars默认采用不可变数据结构，推荐使用方法1返回新DataFrame的方式，避免原地修改带来的副作用；
• 若需要替换为其他特定值，只需把代码中的None换成目标值即可（比如0、"custom_value"等）。

内容的提问来源于stack exchange，提问作者Kevin Li