如何在Rust Polars DataFrame中基于email列高效更新值？

Pandas 实现方案 #

直接用布尔索引定位目标行后赋值，这是最高效的批量处理方式，无需逐行遍历：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'email': ['email1', 'email2', 'email3'],
    'col1': ['val_col1_1', 'val_col1_2', 'val_col1_3'],
    'col2': ['val_col2_1', 'val_col2_2', 'val_col2_3']
})

# 执行更新
target_email = "someGivenEmail"
new_value = "someNewValue"
df.loc[df['email'] == target_email, 'col1'] = new_value

df['email'] == target_email生成布尔掩码，loc通过掩码精准定位目标行和指定列，直接完成赋值操作，适合大规模数据集。

Polars 实现方案 #

从你给出的DataFrame格式判断，大概率使用的是Polars，提供两种实现方式：

方式1：生成新DataFrame（不可变操作） #

import polars as pl

# 构造示例DataFrame
df = pl.DataFrame({
    'email': ['email1', 'email2', 'email3'],
    'col1': ['val_col1_1', 'val_col1_2', 'val_col1_3'],
    'col2': ['val_col2_1', 'val_col2_2', 'val_col2_3']
})

target_email = "someGivenEmail"
new_value = "someNewValue"
df_updated = df.with_columns(
    pl.when(pl.col('email') == target_email)
      .then(new_value)
      .otherwise(pl.col('col1'))
      .alias('col1')
)

方式2：修改原DataFrame（可变操作） #

df.update(
    pl.when(pl.col('email') == target_email)
      .then(new_value)
      .otherwise(pl.col('col1'))
      .alias('col1')
)

Polars默认采用不可变设计，with_columns返回新对象；若需直接修改原DataFrame，使用update方法即可，两者均为向量化操作，远优于逐行遍历。

不推荐遍历的原因 #

像iterrows这类逐行遍历的方式效率极低，大数据集下会大幅拖慢处理速度。Pandas和Polars的核心优势是向量化批量处理，能借助底层优化实现高速运算，完全不需要手动遍历行获取可变引用。

内容的提问来源于stack exchange，提问作者parmesant