Polars中是否有np.where等效实现？如何生成阈值判断新列

需求：给Polars DataFrame添加新列Is_Acceptable?，当value列数值小于0.9时赋值为1，否则为0。以下是用Pandas结合numpy的实现作为参考：

import polars as pl
import numpy as np 

df = pl.DataFrame({"fruit":["orange","apple","mango","kiwi"], "value":[1.0,0.8,0.7,1.2]})

df_pd = df.to_pandas()
df_pd["Is_Acceptable?"] = np.where(df_pd["value"].lt(0.9), 1, 0)
print(pl.from_pandas(df_pd))

输出结果：

shape: (4, 3)
┌────────┬───────┬────────────────┐
│ fruit  ┆ value ┆ Is_Acceptable? │
│ ---    ┆ ---   ┆ ---            │
│ str    ┆ f64   ┆ i64            │
╞════════╪═══════╪════════════════╡
│ orange ┆ 1.0   ┆ 0              │
│ apple  ┆ 0.8   ┆ 1              │
│ mango  ┆ 0.7   ┆ 1              │
│ kiwi   ┆ 1.2   ┆ 0              │
└────────┴───────┴────────────────┘

Polars原生实现方法 #

方法1：使用pl.when().then().otherwise()（对应numpy.where逻辑）

这是最直观的替代方案，完全匹配numpy.where(条件, 真值, 假值)的逻辑结构：

import polars as pl

df = pl.DataFrame({"fruit":["orange","apple","mango","kiwi"], "value":[1.0,0.8,0.7,1.2]})

df = df.with_columns(
    pl.when(pl.col("value") < 0.9)
      .then(1)
      .otherwise(0)
      .alias("Is_Acceptable?")
)

print(df)

方法2：布尔列直接转整数（更简洁）

Polars中布尔值True等价于1，False等价于0，因此可以直接将条件判断结果转为整数类型：

import polars as pl

df = pl.DataFrame({"fruit":["orange","apple","mango","kiwi"], "value":[1.0,0.8,0.7,1.2]})

df = df.with_columns(
    (pl.col("value") < 0.9).cast(pl.Int64).alias("Is_Acceptable?")
)

print(df)

两种方法都会输出与参考实现完全一致的结果。

内容的提问来源于stack exchange，提问作者Ross