如何将Python字典映射到Polars Series？求推荐实现方案

先回顾Pandas中的字典映射用法：

import pandas as pd

dic = {1: 'a', 2: 'b', 3: 'c'}
pd.Series([1, 2, 3, 4]).map(dic)  # 返回 ["a", "b", "c", NaN]

你摸索的三种方案各有优劣，同时Polars也有更简洁高效的原生方案，以下是详细分析：

现有方案的优缺点 #

• Approach 1 - map_elements
  写法直观，但本质是Python层面的逐元素遍历，大数据量下性能较差，无法利用Polars的向量化优化，仅适合小数据集快速验证。

  import polars as pl
  
  dic = {1: 'a', 2: 'b', 3: 'c'}
  pl.Series([1, 2, 3, 4]).map_elements(lambda v: dic.get(v, None))  # 返回 ["a", "b", "c", null]
  

• Approach 2 - left join
  基于Polars的向量化join操作，性能最优，尤其适合大型字典或大数据集。缺点是写法稍显繁琐，需要将Series转成DataFrame后再关联。

  (
      pl.Series([1, 2, 3, 4])
      .alias('key')
      .to_frame()
      .join(
          pl.DataFrame({'key': list(dic.keys()), 'value': list(dic.values())}),
          on='key', how='left',
      )['value']
  )  # 返回 ["a", "b", "c", null]
  

• Approach 3 - 转Pandas再返回
  依赖Pandas的实现，适合熟悉Pandas的开发者，但数据转换会带来额外开销，大数据量下不推荐使用。

  pl.from_pandas(pl.Series([1, 2, 3, 4]).to_pandas().map(dic))  # 返回 ["a", "b", "c", null]
  

• when/then/otherwise链式调用
  如你所说，这种方式需要为字典每个键写一个when条件，大型字典完全不可行，仅适合极少量键的映射场景。

更优的原生方案：使用replace方法 #

Polars的Series.replace()方法直接支持字典映射，是专门为这类场景设计的原生向量化操作，兼顾简洁性与性能：

pl.Series([1, 2, 3, 4]).replace(dic, default=None)  # 返回 ["a", "b", "c", null]

如果是在DataFrame的表达式上下文里，写法同样简洁：

df = pl.DataFrame({'key': [1, 2, 3, 4]})
df.with_columns(pl.col('key').replace(dic, default=None).alias('value'))

该方法内部是向量化实现，性能接近left join，但写法更简洁，是Polars中推荐的字典映射方式。

内容的提问来源于stack exchange，提问作者T.H Rice