如何以Polars的惯用方式更新DataFrame中的单个值？

Polars基于不可变数据结构设计，不会像Pandas那样支持原地修改单个值，而是通过返回新DataFrame的方式完成更新，以下是两种惯用实现方式：

方式一：条件表达式结合with_columns #

这是贴合Polars列式计算风格的写法，通过生成行索引匹配目标位置，用条件逻辑替换指定值：

import polars as pl

df = pl.DataFrame({"col1": [1, 2, 3], "col2": [4, 5, 6]})

# 更新索引为2的行（第三行）中col2的值为99
updated_df = df.with_columns(
    pl.when(pl.int_range(0, pl.count()) == 2)
    .then(99)
    .otherwise(pl.col("col2"))
    .alias("col2")
)

print(updated_df)

输出结果：

shape: (3, 2)
┌──────┬──────┐
│ col1 ┆ col2 │
│ ---  ┆ ---  │
│ i64  ┆ i64  │
╞══════╪══════╡
│ 1    ┆ 4    │
│ 2    ┆ 5    │
│ 3    ┆ 99   │
└──────┴──────┘

方式二：使用set方法（直观写法） #

Polars提供了更直白的set方法，直接指定目标行索引、列名和新值即可返回修改后的新DataFrame：

import polars as pl

df = pl.DataFrame({"col1": [1, 2, 3], "col2": [4, 5, 6]})

updated_df = df.set(row_index=2, column="col2", value=99)

print(updated_df)

输出结果与上述一致。

注意：Polars的所有修改操作默认不会改变原DataFrame，而是返回新对象，这种设计是为了适配高效并行计算场景，避免原地修改带来的副作用。

内容的提问来源于stack exchange，提问作者Laurent