如何用Polars表达式重写map_elements字符串处理函数？

你可以通过以下几种Polars原生表达式方法实现相同功能，这些方法都是矢量化操作，性能远优于map_elements：

方法1：分割后选择元素再拼接 #

先通过str.split将字符串按-分割为列表，选择第0和第2个元素后用str.join拼接，这种方法只需要一次分割操作，效率较高：

import polars as pl
data = {"name": ['a', 'b'], "value": ['1-a-2-#', '2-b-3-*']}
df = pl.DataFrame(data)

df_result = df.with_columns(
    pl.col('value')
    .str.split('-')
    .list.select([0, 2])  # 选择分割后的第0和第2个元素
    .str.join('-')        # 用'-'拼接选中的元素
    .alias('value_new')
)

print(df_result)

输出：

shape: (2, 3)
┌──────┬─────────┬───────────┐
│ name ┆ value   ┆ value_new │
│ ---  ┆ ---     ┆ ---       │
│ str  ┆ str     ┆ str       │
╞══════╪═════════╪═══════════╡
│ a    ┆ 1-a-2-# ┆ 1-2       │
│ b    ┆ 2-b-3-* ┆ 2-3       │
└──────┴─────────┴───────────┘

方法2：分割后直接索引拼接 #

如果需要更直观的写法，也可以分割后分别取对应索引的元素再拼接：

df_result = df.with_columns(
    (pl.col('value').str.split('-').list.get(0) + '-' + pl.col('value').str.split('-').list.get(2))
    .alias('value_new')
)

这种方法会执行两次分割操作，性能略逊于方法1，但逻辑简单易懂。

方法3：正则表达式提取 #

如果你的value列格式固定（数字-字符-数字-符号），可以用正则表达式直接提取目标数字部分，精准匹配需求：

df_result = df.with_columns(
    (pl.col('value').str.extract(r'^(\d+)', 1) + '-' + pl.col('value').str.extract(r'-(\d+)-', 1))
    .alias('value_new')
)

这里^(\d+)匹配开头的数字，-(\d+)-匹配中间被-包裹的数字，通过str.extract提取分组内容后拼接。

以上所有方法都属于Polars原生表达式API，会利用Polars的矢量化引擎批量处理数据，相比map_elements的逐元素Python循环，性能提升显著，尤其在处理大数据集时差距会更明显。

内容的提问来源于stack exchange，提问作者oat