如何将指定Pandas数据处理代码转换为Polars实现？

以下是你提供的三段Pandas数据处理代码对应的Polars实现，结合Polars的向量化特性做了优化：

1. 对所有字符串类型列执行去首尾空白操作 #

Pandas 原代码：

df.loc[:, df.dtypes == object] = df.loc[:, df.dtypes == object].applymap(lambda x: str(x).strip())

Polars 实现：

import polars as pl

# 筛选所有Utf8（字符串）类型的列，批量应用strip
df = df.with_columns(
    pl.col(pl.Utf8).str.strip()
)

说明：Polars 支持直接对列批量调用字符串方法，无需逐元素的applymap，性能更优。

2. 将字符串列中的'nan'替换为缺失值 #

Pandas 原代码：

df.loc[:, df.dtypes == object] = df.loc[:, df.dtypes == object].replace('nan', np.NaN)

Polars 实现：

# 对所有Utf8列，将字符串'nan'替换为Polars的缺失值（None）
df = df.with_columns(
    pl.col(pl.Utf8).replace('nan', None)
)

说明：Polars 中用None表示缺失值，会自动适配对应列的数据类型，无需依赖np.NaN。

3. 将指定列转换为日期类型（严格模式） #

Pandas 原代码：

df[dateCols['fileColumn']] = pd.to_datetime(df[dateCols['fileColumn']], format=dtpattern, errors='raise')

Polars 实现：

# 指定列按格式转换为日期，strict=True对应原代码的errors='raise'，格式不匹配会抛出异常
df = df.with_columns(
    pl.col(dateCols['fileColumn']).str.to_datetime(format=dtpattern, strict=True)
)

说明：Polars 的str.to_datetime直接支持格式指定和严格校验，无需额外处理。

内容的提问来源于stack exchange，提问作者user22286335