在 Polars 中使用 pl.when().then().otherwise() 构建条件列时，若需输出字面量字符串（如 "string a"），必须用 pl.lit() 显式包装，否则 Polars 会误将其解析为列名，导致 ColumnNotFoundError。
在 polars 中使用 `pl.when().then().otherwise()` 构建条件列时，若需输出字面量字符串（如 `"string a"`），必须用 `pl.lit()` 显式包装，否则 polars 会误将其解析为列名，导致 `columnnotfounderror`。
Polars 的表达式系统默认将裸字符串（如 'string a'）解释为列引用（column name），而非字面量（literal value）。这是 Polars 与 Pandas 等库的关键差异之一：其表达式 API 高度面向列操作，所有未显式声明为“字面量”的标量值都会被尝试解析为现有列名。因此，当您写下：
pl.when(df['x'] > 0).then('string a').otherwise('string b')Polars 实际试图查找名为 "string a" 和 "string b" 的列——显然不存在，于是抛出 ColumnNotFoundError。
✅ 正确做法是使用 pl.lit() 将字符串转为字面量表达式：
import polars as pl
df = pl.DataFrame({"x": [1, -2, 0, 5]})
result = df.with_columns(
pl.when(pl.col("x") > 0)
.then(pl.lit("string a"))
.otherwise(pl.lit("string b"))
.alias("new_column")
)
print(result)输出：
shape: (4, 2) ┌─────┬────────────┐ │ x ┆ new_column │ │ --- ┆ --- │ │ i64 ┆ str │ ╞═════╪════════════╡ │ 1 ┆ string a │ │ -2 ┆ string b │ │ 0 ┆ string b │ │ 5 ┆ string a │ └─────┴────────────┘
? 补充说明：
- pl.lit() 不仅支持字符串，也适用于数字、布尔值、None、日期等任意 Python 标量；
- 若 then/otherwise 分支需返回不同数据类型（如字符串 vs 整数），Polars 会自动推断为公共超类型（如 pl.String 和 pl.Int64 → pl.Object），建议保持类型一致以保障性能和类型安全；
- 可链式嵌套多个 pl.when（类似 SQL 的 CASE WHEN），例如：
pl.when(cond1).then(pl.lit("A")) .when(cond2).then(pl.lit("B")) .otherwise(pl.lit("C"))
⚠️ 注意事项：
- 切勿省略 pl.lit() —— 即使是空字符串 "" 或单字符 "X" 也必须包装；
- pl.lit() 返回的是 polars.expr.Expr，可直接参与任何表达式组合；
- 在 select()、with_columns()、filter() 等上下文中均适用，是 Polars 字面量操作的唯一标准方式。
掌握 pl.lit() 是写出健壮、可维护 Polars 表达式的基础技能之一：它明确区分了“数据”与“元数据”，让逻辑意图清晰无歧义。
