Polars报错‘Expr’对象无map_dict属性，求替代映射方法

你遇到的AttributeError是因为map_dict是Polars较新加入的API，如果你的Polars版本偏低，就会找不到这个方法。下面是两种可靠的替代实现方式：

方法一：使用replace（推荐，性能最优） #

replace是Polars原生的向量化映射方法，支持字典匹配+默认值设置，和map_dict的功能完全一致，且兼容性更好：

import polars as pl

country_code_dict = {
    "CA": "Canada",
    "DE": "Germany",
    "FR": "France",
    None: "Not specified",
}
df = pl.DataFrame(
    {
        "country_code": ["FR", None, "ES", "DE"],
    }
).with_row_count()

# 用replace完成映射
result_df = df.with_columns(
    pl.col("country_code")
    .replace(country_code_dict, default="unknown")
    .alias("remapped")
)

print(result_df)

方法二：使用map_elements（适合复杂逻辑） #

如果需要更灵活的自定义映射逻辑，可以用map_elements逐元素处理：

import polars as pl

country_code_dict = {
    "CA": "Canada",
    "DE": "Germany",
    "FR": "France",
    None: "Not specified",
}
df = pl.DataFrame(
    {
        "country_code": ["FR", None, "ES", "DE"],
    }
).with_row_count()

# 定义映射函数
def map_country_code(code):
    return country_code_dict.get(code, "unknown")

# 用map_elements实现映射
result_df = df.with_columns(
    pl.col("country_code")
    .map_elements(map_country_code, return_dtype=pl.Utf8)
    .alias("remapped")
)

print(result_df)

注意：优先用replace，它是向量化操作，处理大数据集时性能比map_elements高很多。

内容的提问来源于stack exchange，提问作者user17033672