如何用Polars表达式通过列非空值采样填充DataFrame空值？

完全可以用Polars表达式语法实现，不用写Python循环，代码更简洁且性能更优。

实现思路 #

针对每一列，提取其非空值集合，然后对该列的空值位置，随机采样对应数量的非空值进行填充，全程保持列数据类型一致。

代码示例 #

首先定义示例DataFrame：

import polars as pl

daf = pl.DataFrame({
    "a": [1,2, None, None, 5, 6, None, None, None, 10],
    "b": [None, "two", "three", None, "five", "six", "seven", None, "nine", "ten"]
})

然后用Polars表达式完成填充：

filled_daf = daf.with_columns(
    pl.all().map_batches(
        lambda col: col.fill_null(
            pl.Series(
                col.drop_nulls().sample(
                    n=col.is_null().sum(), 
                    replace=True, 
                    shuffle=True
                )
            )
        )
    )
)

代码说明 #

• pl.all()：一次性选中所有列，无需逐个列指定
• map_batches()：对每个列独立执行填充逻辑，保证列级别的处理隔离
• col.drop_nulls()：获取当前列的所有非空值，作为采样池
• sample(...)：采样数量等于当前列的空值总数，replace=True 允许重复采样（避免非空值数量不足时报错），shuffle=True 保证采样结果随机
• pl.Series()：将采样结果转为与原列类型一致的序列，确保填充后列类型不改变
• fill_null()：用生成的采样序列替换原列的空值

每次运行代码得到的填充结果都会不同，符合“填充值不固定为同一值”的要求，且完全保留原列的数据类型。

内容的提问来源于stack exchange，提问作者Swandog