如何用Polars实现类似Pandas df.loc的条件批量行替换

• 生成测试数据集

import pandas as pd

# 构造测试数据
df_pandas = pd.DataFrame({
    'item_id': ['A', 'B', 'A', 'C', 'B'],
    'netsales': [100, 200, 150, 300, 250]
})

• 使用df.loc筛选并修改指定行

# 筛选item_id为'A'的行，修改netsales为120
df_pandas.loc[df_pandas['item_id'] == 'A', 'netsales'] = 120

Polars的filter()仅返回筛选后的子集，不会修改原DataFrame。要实现目标操作，需要用条件赋值的方式，以下是两种可行方案：

方法1：生成新的DataFrame（Polars推荐的不可变操作风格） #

import polars as pl

# 构造测试数据
df_polars = pl.DataFrame({
    'item_id': ['A', 'B', 'A', 'C', 'B'],
    'netsales': [100, 200, 150, 300, 250]
})

# 条件赋值修改指定行的netsales
df_polars_updated = df_polars.with_columns(
    pl.when(pl.col('item_id') == 'A')
      .then(pl.lit(120))
      .otherwise(pl.col('netsales'))
      .alias('netsales')
)

方法2：原地修改原DataFrame #

# 直接覆盖原DataFrame实现修改
df_polars = df_polars.with_columns(
    pl.when(pl.col('item_id') == 'A')
      .then(pl.lit(120))
      .otherwise(pl.col('netsales'))
      .alias('netsales')
)

# 或使用update方法直接更新指定行
df_polars.update(
    pl.lit(120),
    pl.col('item_id') == 'A',
    'netsales'
)

注意点 #

Polars的filter()仅提取符合条件的子集，修改该子集不会同步到原DataFrame——这和Pandasloc直接操作原数据的逻辑不同，Polars更倾向于通过生成新对象的方式处理数据修改。

内容的提问来源于stack exchange，提问作者Akshay