如何在Polars DataFrame中将负值替换为其他值且避免列名重复错误

嗨，我来帮你搞定这个问题～

首先咱们得搞懂报错的原因：你写的代码里，select同时传入了两个部分——一是所有Float64类型的原列，二是对这些列做负值替换后的结果列。这就导致每一个Float64列都会在最终结果里出现两次：一次是原列，一次是处理后的列。而且因为你没给处理后的列指定别名，Polars会默认给它们分配名字（比如错误里提到的literal），当处理多个列时，就会出现大量重名的默认列，直接触发了DuplicateError。

你说不想重命名列，这完全没问题！因为你的核心需求应该是把原列里的负值换成NaN，而不是保留原列再新增一列，所以只要调整代码的写法就能解决：

方法1：用with_columns直接更新原列（推荐） #

这个方法会直接在原DataFrame的基础上修改对应列的值，列名完全保持不变：

import polars as pl
import numpy as np

# 直接更新所有Float64列，把负值替换为NaN
x_origin = x_origin.with_columns(
    pl.col(pl.Float64)
    .when(pl.col(pl.Float64) < 0)
    .then(pl.nan())  # 用Polars原生的nan，性能比np.nan更好
    .otherwise(pl.col(pl.Float64))
)

方法2：用select只保留处理后的列 #

如果你更习惯用select，那只要去掉原列的选择，只保留处理后的表达式就行——这样生成的列名会和原列完全一致，不会有重复：

x_origin = x_origin.select(
    pl.col(pl.Float64)
    .when(pl.col(pl.Float64) < 0)
    .then(pl.nan())
    .otherwise(pl.col(pl.Float64))
)

小提醒 #

尽量用Polars原生的pl.nan()代替np.nan，因为Polars对原生表达式的优化更好，能避免不必要的Python对象转换，运行速度会更快哦～

这样调整后，既实现了把负值替换为NaN的需求，又完全保留了原列的名字，不会再碰到重复列名的错误啦！

备注：内容来源于stack exchange，提问作者forestbat