根据字典中另一列的值的成员资格在 df 中创建新列

Question

Python 3.12.3 极地1.8.2 极地-lts-cpu：1.10.0 操作系统：Linux-lite 24.04 虚拟机

我有以下代码：

import polars as pl

countries = ['usa', 'france', 'brazil']
calling_codes = [1, 33, 55]

df = pl.DataFrame({'country': countries, 'calling_code': calling_codes })

capitals_dict = {'usa':'washington_dc', 'france': 'paris', 'brazil': 'brasilia'}

我想在

capital

中创建一个名为

df

的新列，如果

capitals_dict

中找到的国家/地区位于

df['country']

的键中，则该列将从

capitals_dict

中的值填充。我不完全确定这是否有意义，所以我可以编写一些伪代码或其他更容易的东西。

我尝试过使用

filter

、

replace

、

with_columns

和

map_elements

，但迄今为止尚未成功。我才知道

polars

几天，所以我为这个简单的问题道歉。非常感谢任何帮助！

Answer 1

这是您需要使用的 DataFrames.join() 方法。我抓住了你的代码，这就是我的想法：

>>> import polars as pl

>>> countries = ["usa", "france", "brazil"]
>>> calling_codes = [1, 33, 55]
>>> capitals = ["washington_dc", "paris", "brasilia"]

>>> df = pl.DataFrame({'country': countries, 'calling_code': calling_codes })
>>> df
shape: (3, 2)
┌─────────┬──────────────┐
│ country ┆ calling_code │
│ ---     ┆ ---          │
│ str     ┆ i64          │
╞═════════╪══════════════╡
│ usa     ┆ 1            │
│ france  ┆ 33           │
│ brazil  ┆ 55           │
└─────────┴──────────────┘

>>> df_capitals = pl.DataFrame({"country": countries, "capital": capitals})
>>> df.join(df_capitals, on='country')
shape: (3, 3)
┌─────────┬──────────────┬───────────────┐
│ country ┆ calling_code ┆ capital       │
│ ---     ┆ ---          ┆ ---           │
│ str     ┆ i64          ┆ str           │
╞═════════╪══════════════╪═══════════════╡
│ usa     ┆ 1            ┆ washington_dc │
│ france  ┆ 33           ┆ paris         │
│ brazil  ┆ 55           ┆ brasilia      │
└─────────┴──────────────┴───────────────┘

您也可以这样创建

df_capitals

：

>>> capitals = {"usa": "washington_dc", "france": "paris", "brazil": "brasilia"}
>>> df_capitals =  pl.DataFrame({"country": capitals.keys(), "capital": capitals.values()})
>>> df_capitals
shape: (3, 2)
┌─────────┬───────────────┐
│ country ┆ capital       │
│ ---     ┆ ---           │
│ str     ┆ str           │
╞═════════╪═══════════════╡
│ usa     ┆ washington_dc │
│ france  ┆ paris         │
│ brazil  ┆ brasilia      │
└─────────┴───────────────┘