如何在Polars DataFrame中将单元格X替换为1并保留其他列？

需求说明 #

刚接触Polars，想把DataFrame里所有单元格的"X"换成1，空值（None）换成0，同时保留那些不需要修改的列。举个例子：

原DataFrame #

import polars as pl
df = pl.DataFrame({"A": ["X", None], "B": [None, "X"]})

原数据展示：

shape: (2, 2)
┌──────┬──────┐
│ A    ┆ B    │
│ ---  ┆ ---  │
│ str  ┆ str  │
╞══════╪══════╡
│ X    ┆ null │
│ null ┆ X    │
└──────┴──────┘

想要的结果 #

shape: (2, 2)
┌─────┬─────┐
│ A   ┆ B   │
│ --- ┆ --- │
│ i64 ┆ i64 │
╞═════╪═════╡
│ 1   ┆ 0   │
│ 0   ┆ 1   │
└─────┴─────┘

我现在写的代码 #

# 替换规则
mapper = {
    "X": 1,
    None: 0,

}
# 列名列表
columns = pdf.columns
# 循环替换
for x in columns:
    pdf = pdf.select(pl.all().replace(mapper))

代码里的问题 #

你这段代码有两个没必要的问题：

1. 循环遍历列名，但每次都用pl.all()对所有列做替换，等于重复操作了N次（N是列数），完全多余
2. 直接用replace替换后，列的类型还是字符串，不会自动转成整数，而且用None当字典键在Polars里有时候会有隐式的类型问题

几种正确的写法 #

写法1：批量替换+类型转换（最简洁） #

直接对所有字符串列做替换，转成整数，其他列原样保留：

import polars as pl

df = pl.DataFrame({"A": ["X", None], "B": [None, "X"], "C": ["测试", "保留"]})  # 加个要保留的列示例

mapper = {"X": 1, None: 0}

# 只处理字符串列，替换后转整数，其他列不动
result_df = df.with_columns(
    pl.col(pl.Utf8).replace(mapper).cast(pl.Int64)
)

print(result_df)

输出结果：

shape: (2, 3)
┌─────┬─────┬──────┐
│ A   ┆ B   ┆ C    │
│ --- ┆ --- ┆ ---  │
│ i64 ┆ i64 ┆ str  │
╞═════╪═════╪══════╡
│ 1   ┆ 0   ┆ 测试 │
│ 0   ┆ 1   ┆ 保留 │
└─────┴─────┴──────┘

写法2：条件表达式（逻辑更清晰） #

如果觉得字典替换不够直观，用when/then写条件逻辑更清楚：

result_df = df.with_columns(
    pl.col(pl.Utf8)
    .when(pl.col() == "X", 1)  # 遇到X就换成1
    .when(pl.col().is_null(), 0)  # 遇到空值换成0
    .otherwise(pl.col())  # 其他内容保留（如果是字符串的话，要是想转数值可以改这里）
    .cast(pl.Int64)
)

写法3：只处理指定列 #

要是不想改所有字符串列，只想改特定的几列，直接指定列名就行：

target_cols = ["A", "B"]
result_df = df.with_columns(
    pl.col(target_cols).replace(mapper).cast(pl.Int64)
)

重点提醒 #

• Polars是列式计算框架，尽量别用循环，向量化操作性能高得多
• 替换完一定要用cast(pl.Int64)把列转成整数类型，不然列还是字符串格式
• 用with_columns而不是select，这样能保留所有原有列，只修改需要的列

内容的提问来源于stack exchange，提问作者Manuel