本教程详细介绍了如何在polars数据帧中，根据某一列的nan值条件，从同一数据帧的另一列中获取数据来替换目标列中的nan值。文章通过对比pandas的实现方式，重点讲解了polars中`pl.when().then().otherwise()`表达式的高效用法，并提供了清晰的代码示例和使用注意事项，帮助用户掌握polars进行条件数据替换的专业技巧。
在
数据清洗
和预处理过程中，根据特定条件替换数据帧（DataFrame）中的缺失值（NaN或Null）是一项常见操作。尤其是在需要利用数据帧中其他列的信息来填充缺失值时，理解不同数据处理库的实现方式至关重要。本文将专注于如何在高性能的Polars库中实现这一功能，并与Pandas的常见做法进行对比。
问题场景
假设我们有一个数据帧，其中包含列col_x、col_y和col_z。我们的目标是：当col_x中的值为NaN时，将col_y中对应位置的值替换为col_z中对应位置的值。如果col_x中的值不是NaN，则col_y保持不变。
在Pandas中，这种操作通常可以通过df.loc结合布尔索引或使用np.where来实现。例如：
Polars实现方式
Polars作为一个高性能的DataFrame库，其操作通常基于表达式（expressions）构建。要实现上述条件替换逻辑，Polars提供了with_columns方法结合pl.when().then().otherwise()表达式。
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
下载
with_columns方法用于添加或替换数据帧中的列。pl.when().then().otherwise()则是一个非常强大的条件表达式，它允许我们根据一个条件（when）来选择一个值（then），否则选择另一个值（otherwise）。
下面是Polars的实现代码：
代码解析
df_pl.with_columns(...)
: 这是Polars中修改或添加列的主要方式。它接受一个或多个表达式，每个表达式的结果将成为一个新列或替换现有列。
pl.when(pl.col('col_x').is_nan())
:
pl.col('col_x')：选择col_x列。
.is_nan()：这是一个布尔表达式，用于检查col_x中的每个值是否为浮点类型的NaN。如果col_x可能包含Python的None或Polars的null（对于非浮点类型），则应使用.is_null()。由于原始问题提及isna()和NaN，我们在此使用is_nan()。
pl.when(...)：启动一个条件表达式，其参数是一个布尔Series或表达式，表示条件。
.then(pl.col('col_z'))
: 如果when中的条件为真（即col_x为NaN），则执行then中的表达式。这里我们选择col_z列的值作为结果。
.otherwise(pl.col('col_y'))
: 如果when中的条件为假（即col_x不是NaN），则执行otherwise中的表达式。这里我们选择col_y列中原有的值作为结果。
.alias('col_y')
: 将整个条件表达式的结果命名为col_y。由于with_columns会替换同名列，这样就实现了对col_y的条件更新。
注意事项与最佳实践
NaN与Null的区别
：在Polars中，is_nan()专门用于检查浮点类型的NaN值。如果你的列可能包含其他类型的缺失值（例如整数列中的None或字符串列中的空字符串），或者你希望检查所有类型的缺失值，应使用is_null()。
表达式系统
：Polars的核心优势在于其强大的表达式系统。pl.when().then().otherwise()是这一系统的典型应用，它允许用户以声明式的方式表达复杂的逻辑，并由Polars的优化器高效执行。
性能
：与Pandas中可能涉及多次索引或创建中间Series的操作相比，Polars的表达式通常在内部进行优化，尤其是在处理大型数据集时，能够提供显著的性能优势。
链式操作
：Polars鼓励使用链式操作（method chaining），使得代码更具可读性和简洁性。
总结
通过df.with_columns(pl.when(...).then(...).otherwise(...).alias(...))这种模式，Polars提供了一种强大、灵活且高效的方式来根据条件替换数据帧中的列值。这种方法不仅适用于填充NaN值，还可以应用于各种复杂的条件数据转换场景，是Polars数据操作中一项非常重要的技能。掌握这一模式，将大大提升你在Polars中进行数据清洗和转换的效率和能力。
import pandas as pd
import numpy as np
# 创建示例Pandas DataFrame
data_pd = {
'col_x': [1.0, np.nan, 3.0, np.nan, 5.0],
'col_y': [10, 20, 30, 40, 50],
'col_z': [100, 200, 300, 400, 500]
}
df_pd = pd.DataFrame(data_pd)
print("原始Pandas DataFrame:")
print(df_pd)
# Pandas实现方式一：使用.loc
# df_pd.loc[df_pd['col_x'].isna(), 'col_y'] = df_pd['col_z']
# Pandas实现方式二：使用np.where (推荐)
df_pd["col_y"] = np.where(pd.isnull(df_pd['col_x']), df_pd['col_z'], df_pd['col_y'])
print("\n替换后的Pandas DataFrame:")
print(df_pd)import polars as pl
import numpy as np # 用于创建NaN值
# 创建示例Polars DataFrame
data_pl = {
'col_x': [1.0, np.nan, 3.0, np.nan, 5.0],
'col_y': [10, 20, 30, 40, 50],
'col_z': [100, 200, 300, 400, 500]
}
df_pl = pl.DataFrame(data_pl)
print("原始Polars DataFrame:")
print(df_pl)
# Polars实现：使用 with_columns 和 pl.when().then().otherwise()
df_pl = (
df_pl
.with_columns(
pl.when(pl.col('col_x').is_nan()) # 当 col_x 中的值为NaN时
.then(pl.col('col_z')) # 则取 col_z 中对应的值
.otherwise(pl.col('col_y')) # 否则保持 col_y 中原有的值
.alias('col_y') # 将结果赋给 col_y 列
)
)
print("\n替换后的Polars DataFrame:")
print(df_pl)