Polars中行级更新实现：无需依赖列名与列数

原始DataFrame #

先创建示例DataFrame：

import polars as pl

df = pl.DataFrame([[1,2,3],[4,5,6],[7,8,9]], list('abc'))

输出如下：

shape: (3, 3)
┌─────┬─────┬─────┐
│ a   ┆ b   ┆ c   │
│ --- ┆ --- ┆ --- │
│ i64 ┆ i64 ┆ i64 │
╞═════╪═════╪═════╡
│ 1   ┆ 4   ┆ 7   │
│ 2   ┆ 5   ┆ 8   │
│ 3   ┆ 6   ┆ 9   │
└─────┴─────┴─────┘

1. 替换指定整行（第二行） #

通过动态获取列名+行索引定位，无需硬编码列名。这里目标行是索引为1的行（Polars行索引从0开始），替换为[43,42,41]：

target_row_values = [43, 42, 41]

# 动态遍历所有列，对目标行赋值
df_updated_row = df.with_columns(
    pl.col(col_name).when(pl.row_index() == 1).then(pl.lit(val)).otherwise(pl.col(col_name))
    for col_name, val in zip(df.columns, target_row_values)
)

运行后输出：

shape: (3, 3)
┌─────┬─────┬─────┐
│ a   ┆ b   ┆ c   │
│ --- ┆ --- ┆ --- │
│ i64 ┆ i64 ┆ i64 │
╞═════╪═════╪═════╡
│ 1   ┆ 4   ┆ 7   │
│ 43  ┆ 42  ┆ 41  │
│ 3   ┆ 6   ┆ 9   │
└─────┴─────┴─────┘

2. 按条件替换指定行的列值 #

针对第二行中大于4的数值取反，通过行索引+列条件实现，无需依赖列名：

df_conditional_update = df.with_columns(
    pl.all().when((pl.row_index() == 1) & (pl.col(pl.int64) > 4)).then(-pl.col(pl.int64)).otherwise(pl.col(pl.int64))
)

运行后输出：

shape: (3, 3)
┌─────┬─────┬─────┐
│ a   ┆ b   ┆ c   │
│ --- ┆ --- ┆ --- │
│ i64 ┆ i64 ┆ i64 │
╞═════╪═════╪═════╡
│ 1   ┆ 4   ┆ 7   │
│ 2   ┆ -5  ┆ -8  │
│ 3   ┆ 6   ┆ 9   │
└─────┴─────┴─────┘

关键说明 #

• 用pl.row_index()定位目标行，仅需指定行索引位置
• pl.all()选中所有列，适配任意列数场景
• 动态遍历列名或使用pl.all()，完全避免依赖具体列名（如a/b/c）

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