常用操作
与许多其他数据框架库一样，Polars 提供了大量的常用函数来对 Dataframe 进行操作。
熟悉 Dataframes 的用户会发现 Polars 与 Pandas 或 R 的实现有许多相似之处。
添加列
out = df.with_columns(pl.Series(["p", "q", "r", "s", "t"]).alias("e")) # .alias方法增加一列
print(out)
shape: (5, 5)
┌──────┬──────┬──────────┬─────┬─────┐
│ a ┆ b ┆ c ┆ d ┆ e │
│ --- ┆ --- ┆ --- ┆ --- ┆ --- │
│ i64 ┆ str ┆ f64 ┆ str ┆ str │
╞══════╪══════╪══════════╪═════╪═════╡
│ 1 ┆ foo ┆ 0.37454 ┆ a ┆ p │
│ 2 ┆ ham ┆ 0.950714 ┆ b ┆ q │
│ 3 ┆ spam ┆ 0.731994 ┆ c ┆ r │
│ null ┆ egg ┆ 0.598658 ┆ d ┆ s │
│ 5 ┆ null ┆ 0.156019 ┆ e ┆ t │
└──────┴──────┴──────────┴─────┴─────┘
类型转换
这个例子使用的是 Python 数据类型，但我们也可以在 Polars dtypes
（如 pl.Float32、pl.Float64）之间进行转换。
out = df.with_columns(pl.col("a").cast(float))
print(out)
shape: (5, 4)
┌──────┬──────┬──────────┬─────┐
│ a ┆ b ┆ c ┆ d │
│ --- ┆ --- ┆ --- ┆ --- │
│ f64 ┆ str ┆ f64 ┆ str │
╞══════╪══════╪══════════╪═════╡
│ 1.0 ┆ foo ┆ 0.37454 ┆ a │
│ 2.0 ┆ ham ┆ 0.950714 ┆ b │
│ 3.0 ┆ spam ┆ 0.731994 ┆ c │
│ null ┆ egg ┆ 0.598658 ┆ d │
│ 5.0 ┆ null ┆ 0.156019 ┆ e │
└──────┴──────┴──────────┴─────┘
重命名列
import numpy as np
import polars as pl
df = pl.DataFrame(
{
"a": [1, 2, 3, None, 5],
"b": ["foo", "ham", "spam", "egg", None],
"c": np.random.rand(5),
"d": ["a", "b", "c", "d", "e"],
}
)
df.columns = ["banana", "orange", "apple", "grapefruit"] # 重命名列
shape: (5, 4)
┌────────┬────────┬──────────┬────────────┐
│ banana ┆ orange ┆ apple ┆ grapefruit │
│ --- ┆ --- ┆ --- ┆ --- │
│ i64 ┆ str ┆ f64 ┆ str │
╞════════╪════════╪══════════╪════════════╡
│ 1 ┆ foo ┆ 0.155995 ┆ a │
│ 2 ┆ ham ┆ 0.058084 ┆ b │
│ 3 ┆ spam ┆ 0.866176 ┆ c │
│ null ┆ egg ┆ 0.601115 ┆ d │
│ 5 ┆ null ┆ 0.708073 ┆ e │
└────────┴────────┴──────────┴────────────┘
删除列
# 删除单独的列
out = df.drop("d")
# 删除多个列
out = df.drop(["b", "c"])
# 选择所有列但是不包括('b', 'c')
out = df.select(pl.all().exclude(["b", "c"]))
# 仅选择列"a"
out = df.select(pl.col("a"))
shape: (5, 1)
┌──────┐
│ a │
│ --- │
│ i64 │
╞══════╡
│ 1 │
│ 2 │
│ 3 │
│ null │
│ 5 │
└──────┘
删除空值
df.drop_nulls()
shape: (3, 4)
┌─────┬──────┬──────────┬─────┐
│ a ┆ b ┆ c ┆ d │
│ --- ┆ --- ┆ --- ┆ --- │
│ i64 ┆ str ┆ f64 ┆ str │
╞═════╪══════╪══════════╪═════╡
│ 1 ┆ foo ┆ 0.37454 ┆ a │
│ 2 ┆ ham ┆ 0.950714 ┆ b │
│ 3 ┆ spam ┆ 0.731994 ┆ c │
└─────┴──────┴──────────┴─────┘
填充缺失值（NA）
策略:
mean：平均值backward：上一值min：最小值max：最大值
df.fill_none("forward")
shape: (5, 4)
┌─────┬──────┬──────────┬─────┐
│ a ┆ b ┆ c ┆ d │
│ --- ┆ --- ┆ --- ┆ --- │
│ i64 ┆ str ┆ f64 ┆ str │
╞═════╪══════╪══════════╪═════╡
│ 1 ┆ foo ┆ 0.37454 ┆ a │
│ 2 ┆ ham ┆ 0.950714 ┆ b │
│ 3 ┆ spam ┆ 0.731994 ┆ c │
│ 3 ┆ egg ┆ 0.598658 ┆ d │
│ 5 ┆ egg ┆ 0.156019 ┆ e │
└─────┴──────┴──────────┴─────┘
获取所有列
df.columns
['a', 'b', 'c', 'd']
空值计数
df.null_count()
shape: (1, 4)
┌─────┬─────┬─────┬─────┐
│ a ┆ b ┆ c ┆ d │
│ --- ┆ --- ┆ --- ┆ --- │
│ u32 ┆ u32 ┆ u32 ┆ u32 │
╞═════╪═════╪═════╪═════╡
│ 1 ┆ 1 ┆ 0 ┆ 0 │
└─────┴─────┴─────┴─────┘
列排序
df.sort("a", reverse=True)
shape: (5, 4)
┌──────┬──────┬──────────┬─────┐
│ a ┆ b ┆ c ┆ d │
│ --- ┆ --- ┆ --- ┆ --- │
│ i64 ┆ str ┆ f64 ┆ str │
╞══════╪══════╪══════════╪═════╡
│ null ┆ egg ┆ 0.598658 ┆ d │
│ 5 ┆ null ┆ 0.156019 ┆ e │
│ 3 ┆ spam ┆ 0.731994 ┆ c │
│ 2 ┆ ham ┆ 0.950714 ┆ b │
│ 1 ┆ foo ┆ 0.37454 ┆ a │
└──────┴──────┴──────────┴─────┘
转为 NumPy
df.to_numpy()
[[1.0 'foo' 0.3745401188473625 'a']
[2.0 'ham' 0.9507143064099162 'b']
[3.0 'spam' 0.7319939418114051 'c']
[nan 'egg' 0.5986584841970366 'd']
[5.0 None 0.15601864044243652 'e']]
转为 Pandas
df.to_pandas()
a b c d
0 1.0 foo 0.374540 a
1 2.0 ham 0.950714 b
2 3.0 spam 0.731994 c
3 NaN egg 0.598658 d
4 5.0 None 0.156019 e