Polars：带后缀条件乘数的字符串转浮点数问题求解

问题原因 #

你的代码报错是因为Polars的when/otherwise是列级向量操作，并非逐行判断后执行对应分支。也就是说，otherwise分支会尝试对整个列执行处理——带MM的行虽然进入then分支，但otherwise分支的代码依然会对这些行操作，而这些行的字符串没被替换掉MM，导致转Float32失败。

单次列读取的解决方案 #

我们可以通过一次提取数字和后缀，再统一计算的方式实现，只需要读取目标列一次：

import polars as pl

df = pl.DataFrame({
    "col1": ["a", "b", "c", "d", "e", "f", "g", "h", "i", "j"],
    "col2": ["500K", "1MM", "25K", "2.5MM", "2MM", "600K", "800K", "1.5MM", "5MM", "350k"]
})

result = df.with_columns(
    # 一次提取数字部分和后缀到结构体
    pl.col("col2")
    .str.extract(r"^([\d.]+)(MM|K|k)$")
    .struct.rename_fields(["numeric", "suffix"])
    # 转换数字类型并计算换算系数
    .with_fields(
        numeric=pl.col("numeric").cast(pl.Float32),
        multiplier=pl.when(pl.col("suffix") == "MM")
                    .then(1.0)  # MM直接对应百万单位
                    .otherwise(0.001)  # K/k转百万单位需除以1000
    )
    # 计算最终值
    .apply(lambda x: x["numeric"] * x["multiplier"], return_dtype=pl.Float32)
    .alias("col2")
)

print(result)

更简洁的向量式实现（同样仅读取一次列） #

如果偏好纯向量操作，避免apply，可以用以下写法：

import polars as pl

df = pl.DataFrame({
    "col1": ["a", "b", "c", "d", "e", "f", "g", "h", "i", "j"],
    "col2": ["500K", "1MM", "25K", "2.5MM", "2MM", "600K", "800K", "1.5MM", "5MM", "350k"]
})

result = df.with_columns(
    (
        # 提取数字部分并转浮点
        pl.col("col2").str.replace(r"(MM|K|k)$", "").cast(pl.Float32) *
        # 根据后缀判断换算系数
        pl.when(pl.col("col2").str.contains(r"MM$"))
        .then(1.0)
        .when(pl.col("col2").str.contains(r"K$|k$"))
        .then(0.001)
        .default(0.0)
    ).alias("col2")
)

print(result)

输出结果 #

两种方案都能得到预期输出：

shape: (10, 2)
┌──────┬───────┐
│ col1 ┆ col2  │
│ ---  ┆ ---   │
│ str  ┆ f32   │
╞══════╪═══════╡
│ a    ┆ 0.5   │
│ b    ┆ 1.0   │
│ c    ┆ 0.025 │
│ d    ┆ 2.5   │
│ e    ┆ 2.0   │
│ f    ┆ 0.6   │
│ g    ┆ 0.8   │
│ h    ┆ 1.5   │
│ i    ┆ 5.0   │
│ j    ┆ 0.35  │
└──────┴───────┘

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