如何使用Polars Expressions修改DataFrame指定行列的值

我了解Polars Expressions针对DataFrame的数据读取、计算和修改采用列并行处理，速度非常快，但找不到能像df[1,'a']=12那样修改指定行列值的Polars Expressions语法，该如何实现？

以下是期望的实现场景：

import polars as pl
df = pl.DataFrame(
    {
        "a": [1,2,3,4,5,6,7,8],
        "b": [8,9,0,1,2,3,4,5],
        "c": [0,0,0,0,0,0,0,0],
        "d": [0,0,0,0,0,0,0,0],
    }
)
df = df.with_columns(pl.all().cast(pl.Float64))

df[7,'c']=12   
df[7,'d']=15
# 我希望用Polars Expressions实现上述操作，类似：
# => df.select(?)(
#         pl.col('c').row(7) = 12
#         pl.col('d').row(7) = 15
#      )

print(df)

期望输出：

shape: (8, 4)
┌─────┬─────┬──────┬──────┐
│ a   ┆ b   ┆ c    ┆ d    │
│ --- ┆ --- ┆ ---  ┆ ---  │
│ f64 ┆ f64 ┆ f64  ┆ f64  │
╞═════╪═════╪══════╪══════╡
│ 1.0 ┆ 8.0 ┆ 0.0  ┆ 0.0  │
│ 2.0 ┆ 9.0 ┆ 0.0  ┆ 0.0  │
│ 3.0 ┆ 0.0 ┆ 0.0  ┆ 0.0  │
│ 4.0 ┆ 1.0 ┆ 0.0  ┆ 0.0  │
│ 5.0 ┆ 2.0 ┆ 0.0  ┆ 0.0  │
│ 6.0 ┆ 3.0 ┆ 0.0  ┆ 0.0  │
│ 7.0 ┆ 4.0 ┆ 0.0  ┆ 0.0  │
│ 8.0 ┆ 5.0 ┆ 12.0 ┆ 15.0 │
└─────┴─────┴──────┴──────┘

解决方案 #

Polars是面向列的并行计算框架，不推荐直接修改单个元素（会破坏列并行优势），但可以通过条件判断+表达式的方式实现指定行列的修改，完全符合Polars的范式：

方法1：使用row_index()（Polars 0.17.0+支持）

pl.row_index()可以直接获取每行的索引，配合when/then/otherwise实现精准替换：

import polars as pl
df = pl.DataFrame(
    {
        "a": [1,2,3,4,5,6,7,8],
        "b": [8,9,0,1,2,3,4,5],
        "c": [0,0,0,0,0,0,0,0],
        "d": [0,0,0,0,0,0,0,0],
    }
)
df = df.with_columns(pl.all().cast(pl.Float64))

# 用Polars表达式修改指定行列
df = df.with_columns(
    pl.col("c").when(pl.row_index() == 7).then(12.0).otherwise(pl.col("c")),
    pl.col("d").when(pl.row_index() == 7).then(15.0).otherwise(pl.col("d"))
)

print(df)

方法2：兼容旧版本的int_range写法

如果你的Polars版本低于0.17.0，可以用pl.int_range(0, pl.count())生成行索引序列：

df = df.with_columns(
    pl.col("c").when(pl.int_range(0, pl.count()) == 7).then(12.0).otherwise(pl.col("c")),
    pl.col("d").when(pl.int_range(0, pl.count()) == 7).then(15.0).otherwise(pl.col("d"))
)

说明 #

这种写法保留了Polars列并行的性能优势，同时实现了指定行列的修改需求。如果需要修改多行或更复杂的条件，只需调整when中的判断逻辑即可。

内容的提问来源于stack exchange，提问作者young hwan Song