介紹一下Polars這個(gè)模塊的使用方式

Polars 是一個(gè)速度極快的 DataFrames 庫(kù)。

它擁有以下特性：

1.多線(xiàn)程

2.強(qiáng)大的表達(dá)式API

3.查詢(xún)優(yōu)化

下面給大家簡(jiǎn)單介紹一下這個(gè)模塊的使用方式。

1.準(zhǔn)備

請(qǐng)選擇以下任一種方式輸入命令安裝依賴(lài)：

1. Windows 環(huán)境 打開(kāi) Cmd (開(kāi)始-運(yùn)行-CMD)。

2. MacOS 環(huán)境 打開(kāi) Terminal (command+空格輸入Terminal)。

3. 如果你用的是 VSCode編輯器 或 Pycharm，可以直接使用界面下方的Terminal.

pip install polars

2.Polars 使用介紹

在初始化變量的時(shí)候，Polars用起來(lái)的方式和Pandas沒(méi)有太大區(qū)別，下面我們定義一個(gè)初始變量，后面所有示例都使用這個(gè)變量：

importpolars aspl
df = pl.DataFrame(
{
"A": [1, 2, 3, 4, 5],
"fruits": ["banana", "banana", "apple", "apple", "banana"],
"B": [5, 4, 3, 2, 1],
"cars": ["beetle", "audi", "beetle", "beetle", "beetle"],
}
)

選擇需要展示的數(shù)據(jù)：

(df.select([
pl.col("A"),
"B", # the col part is inferred
pl.lit("B"), # we must tell polars we mean the literal "B"
pl.col("fruits"),
]))

效果如下：

他還能使用正則表達(dá)式篩選值并進(jìn)行求和等操作：

# 正則表達(dá)式
(df.select([
pl.col("^A|B$").sum()
]))
# 或者多選
(df.select([
pl.col(["A", "B"]).sum()
]))

Polars支持下面這樣復(fù)雜且高效的查詢(xún)及展示：

>>> df.sort("fruits").select(
... [
... "fruits",
... "cars",
... pl.lit("fruits").alias("literal_string_fruits"),
... pl.col("B").filter(pl.col("cars") == "beetle").sum(),
... pl.col("A").filter(pl.col("B") > 2).sum().over("cars").alias("sum_A_by_cars"),
... pl.col("A").sum().over("fruits").alias("sum_A_by_fruits"),
... pl.col("A").reverse().over("fruits").alias("rev_A_by_fruits"),
... pl.col("A").sort_by("B").over("fruits").alias("sort_A_by_B_by_fruits"),
... ]
... )
shape: (5, 8)
┌──────────┬──────────┬──────────────┬─────┬─────────────┬─────────────┬─────────────┬─────────────┐
│ fruits ┆ cars ┆ literal_stri ┆ B ┆ sum_A_by_ca ┆ sum_A_by_fr ┆ rev_A_by_fr ┆ sort_A_by_B │
│ --- ┆ --- ┆ ng_fruits ┆ --- ┆ rs ┆ uits ┆ uits ┆ _by_fruits │
│ str ┆ str ┆ --- ┆ i64 ┆ --- ┆ --- ┆ --- ┆ --- │
│ ┆ ┆ str ┆ ┆ i64 ┆ i64 ┆ i64 ┆ i64 │
╞══════════╪══════════╪══════════════╪═════╪═════════════╪═════════════╪═════════════╪═════════════╡
│ "apple"┆ "beetle"┆ "fruits"┆ 11┆ 4┆ 7┆ 4┆ 4│
│ "apple"┆ "beetle"┆ "fruits"┆ 11┆ 4┆ 7┆ 3┆ 3│
│ "banana"┆ "beetle"┆ "fruits"┆ 11┆ 4┆ 8┆ 5┆ 5│
│ "banana"┆ "audi"┆ "fruits"┆ 11┆ 2┆ 8┆ 2┆ 2│
│ "banana"┆ "beetle"┆ "fruits"┆ 11┆ 4┆ 8┆ 1┆ 1│
└──────────┴──────────┴──────────────┴─────┴─────────────┴─────────────┴─────────────┴─────────────┘

3.Polars 高級(jí)使用

倒序操作，將值倒序后重新放回變量中，起名為xxx_reverse：

(df.select([
pl.all(),
pl.all().reverse().suffix("_reverse")
]))

對(duì)所有列求和，并放回變量中，起名為 xxx_sum：

(df.select([
pl.all(),
pl.all().sum().suffix("_sum")
]))

正則也能用于篩選：

predicate = pl.col("fruits").str.contains("^b.*")

(df.select([
predicate
]))

在設(shè)定一個(gè)新列的時(shí)候，甚至可以根據(jù)條件來(lái)給不同的行設(shè)定值：

(df.select([
"fruits",
"B",
pl.when(pl.col("fruits") == "banana").then(pl.col("B")).otherwise(-1).alias("b")
]))

fold 函數(shù)很強(qiáng)大，它能在列上執(zhí)行操作，獲得最快的速度，也就是矢量化執(zhí)行：

df = pl.DataFrame({
"a": [1, 2, 3],
"b": [10, 20, 30],
}
)

out = df.select(
pl.fold(acc=pl.lit(0), f=lambdaacc, x: acc + x, exprs=pl.col("*")).alias("sum"),
)
print(out)
# shape: (3, 1)
# ┌─────┐
# │ sum │
# │ --- │
# │ i64 │
# ╞═════╡
# │ 11 │
# ├?????┤
# │ 22 │
# ├?????┤
# │ 33 │
# └─────┘

審核編輯：劉清