Python Polars：如何用字典值替换DataFrame列中列表内的字符串？

错误核心原因 #

你的SKU列数据类型是List(Utf8)（每个单元格是字符串列表），但调用的.str.replace_all是针对单个字符串（Utf8类型）的方法，Polars不允许直接在List类型列上使用字符串处理方法，因此触发SchemaError。同时循环替换的方式既没处理List的嵌套结构，在大型DataFrame上的执行效率也极低。

正确处理方案 #

根据SKU列的实际存储情况，选择对应方案：

情况1：SKU列确实是List(Utf8)类型 #

直接对列表中的每个元素批量替换，用Polars内置的映射表达式避免循环：

# 将替换字典转为Polars映射表达式
replace_map = pl.map_dict(df_unique)

# 对SKU列的每个列表元素应用替换逻辑
df = df.with_columns(
    SKU=pl.col("SKU").list.eval(replace_map.element())
)

情况2：SKU列是伪装成列表的字符串（如示例的"('000000009100000749',)"） #

先将字符串解析为真正的List(Utf8)，再执行替换：

# 第一步：解析字符串为List(Utf8)
df = df.with_columns(
    SKU=pl.col("SKU")
        .str.replace(r"^\('|'\)$", "")  # 移除前后的('和')
        .str.split(",")  # 按逗号分割为列表
        .list.eval(pl.element().str.strip())  # 清理每个元素的多余空格
)

# 第二步：批量替换列表元素
replace_map = pl.map_dict(df_unique)
df = df.with_columns(
    SKU=pl.col("SKU").list.eval(replace_map.element())
)

关键提示 #

• 大型DataFrame务必使用Polars的内置表达式（如map_dict、list.eval），避免Python循环，前者性能是后者的数十倍甚至上百倍。
• 处理前可先用df.schema确认SKU列的真实数据类型，避免对类型判断失误。

内容的提问来源于stack exchange，提问作者DBOak