如何使用Polars基于另一列的值填充目标列的空值？

你可以通过Polars的向量化操作实现类似Pandas的需求，以下是两种高效的实现方式：

方法一：使用fill_null结合replace #

import polars as pl

df = pl.DataFrame({
    "a":[float("nan"),2,3,float("nan"),5],
    "b":[1,2,3,4,5],
})

mapping={1:1,
         2:4,
         3:6,
         4:8,
         5:10}

# 用映射后的b列值填充a列空值
df = df.with_columns(
    pl.col("a").fill_null(pl.col("b").replace(mapping)).alias("a")
)

print(df)

方法二：使用when/then/otherwise条件分支 #

如果需要更直观的逻辑控制，可以用条件表达式：

df = df.with_columns(
    pl.when(pl.col("a").is_null())
      .then(pl.col("b").replace(mapping))
      .otherwise(pl.col("a"))
      .alias("a")
)

说明 #

• pl.col("b").replace(mapping)会将b列的数值按照字典映射转换为对应的值，这一步是向量化操作，性能远高于逐行处理的map_elements。
• 两种方法最终都会得到你预期的DataFrame结果：

shape: (5, 2)
┌─────┬─────┐
│ a   ┆ b   │
│ --- ┆ --- │
│ f64 ┆ i64 │
╞═════╪═════╡
│ 1.0 ┆ 1   │
│ 2.0 ┆ 2   │
│ 3.0 ┆ 3   │
│ 8.0 ┆ 4   │
│ 5.0 ┆ 5   │
└─────┴─────┘

内容的提问来源于stack exchange，提问作者Gabriel Zinato