Polars DataFrame赋值报错：ValueError，版本0.13.55兼容问题

报错原因 #

Polars 0.13.55版本调整了索引赋值的语法逻辑，不再支持df[row_idx, col_name] = scalar_value这种逐行赋值方式；同时这种循环逐行操作本身违背了Polars基于矢量化计算的设计初衷，不仅效率低下，还容易引发版本兼容性问题。

解决方案 #

方案1：使用Polars推荐的矢量化操作（强烈推荐） #

直接利用Polars的map_dict方法，通过字典映射批量更新列值，无需循环，效率提升显著：

import polars as pl

df = pl.DataFrame( { "IP": ['1.1.1.1', '2.2.2.2'], "ISP" : ["N/A", "N/A"] } )
isp_names = { '1.1.1.1' : 'ABC', '2.2.2.2' : 'XYZ' }

# 批量更新ISP列，匹配不到的保留原"N/A"值
df = df.with_columns(
    pl.col("IP").map_dict(isp_names, default=pl.col("ISP")).alias("ISP")
)
print(df)

输出结果：

shape: (2, 2)
┌─────────┬─────┐
│ IP      ┆ ISP │
│ ---     ┆ --- │
│ str     ┆ str │
╞═════════╪═════╡
│ 1.1.1.1 ┆ ABC │
│ 2.2.2.2 ┆ XYZ │
└─────────┴─────┘

方案2：若需保留逐行逻辑（不推荐，仅作兼容参考） #

如果一定要逐行修改，可通过with_row_index添加行索引，结合when/then表达式实现，但这种方式效率远低于矢量化操作：

import polars as pl

df = pl.DataFrame( { "IP": ['1.1.1.1', '2.2.2.2'], "ISP" : ["N/A", "N/A"] } )
isp_names = { '1.1.1.1' : 'ABC', '2.2.2.2' : 'XYZ' }

# 添加行索引
df = df.with_row_index("row_idx")

for idx, row in enumerate(df.rows()):
    ip = row[1]  # 新增row_idx列后，IP为第二列
    if ip in isp_names:
        df = df.with_columns(
            pl.when(pl.col("row_idx") == idx)
            .then(pl.lit(isp_names[ip]))
            .otherwise(pl.col("ISP"))
            .alias("ISP")
        )

# 移除行索引列
df = df.drop("row_idx")
print(df)

关键提示 #

Polars作为高性能DataFrame库，核心优势在于矢量化计算，应尽量避免循环逐行操作。遇到条件更新列的场景，优先使用with_columns结合Polars内置表达式实现，既能保证效率，也能规避版本兼容性问题。

内容的提问来源于stack exchange，提问作者Wajahat Raza