本文介绍如何在 Polars 中利用 pl.when() 和 pl.coalesce() 组合表达式字典，根据某列的字符串键（如 "a"、"b"）动态选择对应表达式，逐行计算生成新列，避免低效的 apply 或 Python 循环。
本文介绍如何在 polars 中利用 `pl.when()` 和 `pl.coalesce()` 组合表达式字典，根据某列的字符串键（如 `"a"`、`"b"`）动态选择对应表达式，逐行计算生成新列，避免低效的 `apply` 或 python 循环。
在 Polars 中，若需根据某一分类列（如 col1）的值，为每行选择不同的计算逻辑（例如 "a" 时用 x * y，"b" 时仅取 x），不应使用 apply() + lambda——这会触发 Python 级别循环，丧失 Polars 的向量化优势，且无法静态推断类型与优化执行计划。
正确做法是将表达式字典（expr_dict）转化为一系列条件分支，并通过 pl.coalesce() 实现“首个非 null 条件结果即生效”的语义。其核心逻辑是：
- 对字典中每个
(key, expr)，构造pl.when(pl.col("col1") == key).then(expr) - 所有
when/then分支按顺序组合，由pl.coalesce()统一合并：返回第一个非null的计算结果
✅ 示例代码如下：
import polars as pl
df = pl.DataFrame({
"col1": ["a", "b", "a"],
"x": [1, 2, 3],
"y": [2, 2, 5]
})
expr_dict = {
"a": pl.col("x") * pl.col("y"),
"b": pl.col("x")
}
result = df.with_columns(
r = pl.coalesce(
pl.when(pl.col("col1") == k).then(v)
for k, v in expr_dict.items()
)
)
print(result)输出：
shape: (3, 4) ┌──────┬─────┬─────┬─────┐ │ col1 ┆ x ┆ y ┆ r │ │ --- ┆ --- ┆ --- ┆ --- │ │ str ┆ i64 ┆ i64 ┆ i64 │ ╞══════╪═════╪═════╪═════╡ │ a ┆ 1 ┆ 2 ┆ 2 │ │ b ┆ 2 ┆ 2 ┆ 2 │ │ a ┆ 3 ┆ 5 ┆ 15 │ └──────┴─────┴─────┴─────┘
⚠️ 注意事项：
-
键必须全覆盖或含兜底逻辑：若
col1出现字典中未定义的值（如"c"），对应行r将为null。如需默认值，可在coalesce末尾追加.otherwise(pl.lit(0))（Polars 0.20.0+ 支持）或提前补全字典。 -
表达式类型需兼容：所有
then()分支返回值类型应一致（如均为i64），否则 Polars 可能报类型推断错误；必要时可用cast()显式转换。 - 性能优势显著：该写法全程运行于 Rust 引擎，零 Python 开销，支持查询优化器自动融合、并行化及流式处理。
总结：pl.when().then().coalesce() 是 Polars 中实现“字典驱动条件计算”的标准范式，兼具表达力、性能与可维护性，应作为替代 apply 的首选方案。
