Polars DataFrame：如何基于另一列匹配条件一行代码更新列？

针对你需要的「当col2值为a时，将col1对应元素乘以1000」的需求，完全不需要用循环遍历，下面提供两种符合要求的简洁实现：

方案1：Polars 原生向量化实现（推荐，高效） #

这是Polars官方推荐的方式，利用向量化操作批量处理，性能远优于循环和逐行lambda：

import polars as pl

df = pl.DataFrame({
    'col1':[1,2,3,4],
    'col2':['a', 'a', 'b', 'b'], 
    'col3':[10.9, 12.0, 33.3, 34.4]
})

# 一行代码完成更新
df = df.with_columns(pl.when(pl.col('col2') == 'a').then(pl.col('col1') * 1000).otherwise(pl.col('col1')).alias('col1'))

print(df)

方案2：借助 Lambda 实现（满足需求中的lambda要求） #

如果必须借助lambda，可以通过map_elements逐行处理（注意：逐行处理性能低于向量化，仅适合简单场景）：

import polars as pl

df = pl.DataFrame({
    'col1':[1,2,3,4],
    'col2':['a', 'a', 'b', 'b'], 
    'col3':[10.9, 12.0, 33.3, 34.4]
})

# 借助lambda的一行更新代码
df = df.with_columns(pl.struct(['col1', 'col2']).map_elements(lambda row: row['col1'] * 1000 if row['col2'] == 'a' else row['col1']).alias('col1'))

print(df)

输出结果 #

两种方案都会得到和你原来循环实现一致的输出：

shape: (4, 3)
┌────────┬──────┬──────┐
│ col1   ┆ col2 ┆ col3 │
│ ---    ┆ ---  ┆ ---  │
│ f64    ┆ str  ┆ f64  │
╞════════╪══════╪══════╡
│ 1000.0 ┆ a    ┆ 10.9 │
│ 2000.0 ┆ a    ┆ 12.0 │
│ 3.0    ┆ b    ┆ 33.3 │
│ 4.0    ┆ b    ┆ 34.4 │
└────────┴──────┴──────┘

内容的提问来源于stack exchange，提问作者beta green