自定义函数

总会有一个操作非常特殊，以至于人们无法用Polars的公共方法来完成它。幸运的是，polars允许您应用自定义函数。这意味着可以定义一个Python函数（或lambda），并将其传递给逻辑计划。

假设我们想要以一种迫切（eager）的方式将一个映射操作应用于一个Polars Series。这可以按如下所示进行：

import polars as pl

my_map = {1: "foo", 2: "bar", 3: "ham", 4: "spam", 5: "eggs"}

s = pl.Series("a", [1, 2, 3, 4, 5])  # 构建Series
s = s.apply(lambda x: my_map[x])  # 用lambda表达式添加Series

返回：

shape: (5,)
Series: 'a' [str]
[
	"foo"
	"bar"
	"ham"
	"spam"
	"eggs"
]

然而，由于Polars Series只能包含一个数据类型，因此存在一些问题。

在上面的apply()方法中我们没有指定Series应该包含的数据类型Polars试图通过调用提供的函数本身来提前推断输出数据类型。如果它后来得到的数据类型与最初推断的类型不匹配，则该值将被指示为缺失（null）。

如果输出数据类型已知，建议将该信息提供给Polars（通过.apply()的dtype选项）。

注意，应用函数后可能会更改数据类型：我们上面使用的lambda得到一个整数作为输入，并在my_map字典中找到正确的键后返回一个字符串（pl.Utf8）。

使用map或者apply?

使用自定义函数有两种方法，一种是使用map，另一种是使用apply。您需要哪一个取决于使用自定义函数的上下文：

• apply

  • 选择上下文：自定义函数应用于所有值 Fn(value) -> y
  • 聚合上下文：自定义函数应用于所有组 Fn([group_value_1, ... group_value_n]) -> y

• map

  • 选择上下文：自定义函数应用于Series，并且必须生成一个新的Series Fn(Series) -> Series
  • 聚合上下文：自定义函数应用于Series，并且必须生成一个新的Series Fn(Series) -> Series