Python Polars实现类似Pandas .update()的DataFrame批量更新

要实现用透视表_ct中的数据批量更新全零DataFrametabstr，可以通过左连接+coalesce函数的方式完成，无需逐列手动处理。具体步骤如下：

1. 准备示例数据 #

假设我们有以下两个DataFrame：

import polars as pl

# 全零结构的目标DataFrame
tabstr = pl.DataFrame({
    "id": [1, 2, 3, 4],
    "销量_A": [0, 0, 0, 0],
    "销量_B": [0, 0, 0, 0],
    "销量_C": [0, 0, 0, 0]
})

# 包含实际数据的透视表（仅部分行有值）
_ct = pl.DataFrame({
    "id": [1, 3],
    "销量_A": [150, 320],
    "销量_B": [210, 400]
})

2. 左连接两个DataFrame #

以共同键（比如id）进行左连接，为透视表的列添加_right后缀，确保和tabstr的列区分开：

joined = tabstr.join(_ct, on="id", how="left", suffix="_right")

3. 批量生成更新表达式 #

遍历tabstr的所有列，对存在于_ct中的列，用pl.coalesce优先取_right列的非空值，否则保留原零值；对不存在于_ct的列，直接保留原值：

# 定义连接键（根据你的实际情况调整）
join_keys = ["id"]

update_exprs = []
for col in tabstr.columns:
    if col not in join_keys and col in _ct.columns:
        # 用_right列的值更新原列
        update_exprs.append(
            pl.coalesce([pl.col(f"{col}_right"), pl.col(col)]).alias(col)
        )
    else:
        # 无需更新，保留原列
        update_exprs.append(pl.col(col))

4. 生成最终更新后的DataFrame #

通过select应用表达式，得到和tabstr结构一致的更新结果：

updated_tabstr = joined.select(update_exprs)
print(updated_tabstr)

输出结果：

shape: (4, 4)
┌─────┬─────────┬─────────┬─────────┐
│ id  ┆ 销量_A  ┆ 销量_B  ┆ 销量_C  │
│ --- ┆ ---     ┆ ---     ┆ ---     │
│ i64 ┆ i64     ┆ i64     ┆ i64     │
╞═════╪═════════╪═════════╪═════════╡
│ 1   ┆ 150     ┆ 210     ┆ 0       │
│ 2   ┆ 0       ┆ 0       ┆ 0       │
│ 3   ┆ 320     ┆ 400     ┆ 0       │
│ 4   ┆ 0       ┆ 0       ┆ 0       │
└─────┴─────────┴─────────┴─────────┘

关键说明 #

• pl.coalesce函数会依次取第一个非空值，完美适配"有数据则更新，无数据则保留零值"的需求。
• 若你的连接键是多列（比如["地区", "月份"]），只需修改join_keys列表即可，逻辑完全通用。
• Polars采用不可变数据结构，此方法会生成新的DataFrame，而非原地修改原数据。

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