如何在Polars DataFrame中对指定列执行增量轮换操作？

可以用两种Polars风格的方式实现需求：

方法一：显式映射字典 #

先提取排序后的唯一day值，构建映射关系后替换原列：

import polars as pl

df = pl.from_repr("""
┌─────┬───────┐
│ day ┆ value │
│ --- ┆ ---   │
│ i64 ┆ i64   │
╞═════╪═══════╡
│ 1   ┆ 1     │
│ 1   ┆ 2     │
│ 1   ┆ 2     │
│ 3   ┆ 3     │
│ 3   ┆ 5     │
│ 3   ┆ 2     │
│ 5   ┆ 1     │
│ 5   ┆ 2     │
│ 8   ┆ 7     │
│ 8   ┆ 3     │
│ 9   ┆ 5     │
│ 9   ┆ 3     │
│ 9   ┆ 4     │
└─────┴───────┘
""")

# 获取排序后的唯一day值列表
sorted_unique_days = df["day"].unique().sort().to_list()

# 构建映射：每个day对应下一个更大值，最大值对应None
day_mapping = {
    sorted_unique_days[i]: sorted_unique_days[i+1] if i < len(sorted_unique_days)-1 else None
    for i in range(len(sorted_unique_days))
}

# 替换day列
result = df.with_columns(pl.col("day").replace(day_mapping))
print(result)

方法二：链式表达式操作 #

利用Polars的链式API，在表达式内完成映射替换，更简洁：

result = df.with_columns(
    pl.col("day")
    .map_batches(lambda series:
        series.replace(
            dict(zip(
                series.unique().sort(),
                series.unique().sort().shift(-1)
            ))
        )
    )
)
print(result)

两种方法都能得到你要的预期结果，第二种更贴合Polars的函数式编程风格，不需要额外提取变量。

内容的提问来源于stack exchange，提问作者lebesgue