数据类型
Polars支持多种数据类型, 大致分为以下几类
- 数值数据类型: 有符号整数(
pl.Int8, pl.Int16, pl.Int32, pl.Int64), 无符号整数(pl.UInt8, pl.UInt16, pl.UInt32, pl.UInt64), 浮点数和小数(pl.Float32, pl.Float64)
- 嵌套数据类型: 列表(
pl.List), 结构(pl.Struct)和数组(pl.Array)
- 时间: 日期(
pl.Date)、日期时间(pl.Datetime)、时间(pl.Time)和时间增量(pl.Duration)
- 其他: 字符串(
pl.String), 二进制数据(pl.Binary), 布尔值(pl.Boolean), 枚举(pl.Enum), 对象(pl.Object)
所有类型都支持由特殊值 null 表示缺失值, 不能与浮点数数据类型中的特殊值NaN混淆。
TIP
Polars中也提供两个核心的数据结构: Series 和 DataFrame
Series
序列是一维同构数据结构。“同构”是指序列中的所有元素都具有相同的数据类型。以下代码片段展示了如何创建命名序列：
Python
1import polars as pl
2
3s = pl.Series("ints", [1, 2, 3, 4, 5])
4print(s)
1shape: (5,)
2Series: 'ints' [i64]
3[
4 1
5 2
6 3
7 4
8 5
9]
创建Series时，Polars 会根据提供的值自动推断数据类型。当然可以指定具体的数据类型来覆盖推断机制：
Python
1s1 = pl.Series("ints", [1, 2, 3, 4, 5])
2s2 = pl.Series("uints", [1, 2, 3, 4, 5], dtype=pl.UInt64)
3print(s1.dtype, s2.dtype)
DataFrame
DataFrame是一种二维异构数据结构, 类似Excel表格，包含具有唯一名称的列。下面的代码片段展示了如何从列表字典创建DataFrame：
Python
1from datetime import date
2
3df = pl.DataFrame(
4 {
5 "name": ["Alice Archer", "Ben Brown", "Chloe Cooper", "Daniel Donovan"],
6 "birthdate": [
7 date(1997, 1, 10),
8 date(1985, 2, 15),
9 date(1983, 3, 22),
10 date(1981, 4, 30),
11 ],
12 "weight": [57.9, 72.5, 53.6, 83.1], # (kg)
13 "height": [1.56, 1.77, 1.65, 1.75], # (m)
14 }
15)
16
17print(df)
1shape: (4, 4)
2┌────────────────┬────────────┬────────┬────────┐
3│ name ┆ birthdate ┆ weight ┆ height │
4│ --- ┆ --- ┆ --- ┆ --- │
5│ str ┆ date ┆ f64 ┆ f64 │
6╞════════════════╪════════════╪════════╪════════╡
7│ Alice Archer ┆ 1997-01-10 ┆ 57.9 ┆ 1.56 │
8│ Ben Brown ┆ 1985-02-15 ┆ 72.5 ┆ 1.77 │
9│ Chloe Cooper ┆ 1983-03-22 ┆ 53.6 ┆ 1.65 │
10│ Daniel Donovan ┆ 1981-04-30 ┆ 83.1 ┆ 1.75 │
11└────────────────┴────────────┴────────┴────────┘
方法
展示一些 DataFrame 的实用方法。
head
函数head显示数据框的前几行。默认情况下，获取前 5 行，也可以指定所需的行数:
glimpse
函数glimpse是另一个显示数据框前几行值的函数，但输出格式与 不同head。这里，输出的每一行对应一列，这使得检查更宽的DataFrame变得更加容易:
Python
1print(df.glimpse(return_as_string=True))
1Rows: 4
2Columns: 4
3$ name <str> 'Alice Archer', 'Ben Brown', 'Chloe Cooper', 'Daniel Donovan'
4$ birthdate <date> 1997-01-10, 1985-02-15, 1983-03-22, 1981-04-30
5$ weight <f64> 57.9, 72.5, 53.6, 83.1
6$ height <f64> 1.56, 1.77, 1.65, 1.75
tail
函数tail显示 DataFrame 的最后几行。默认情况下，将获取最后 5 行，但也可以指定所需的行数，类似于以下head工作原理：
sample
如果认为 DataFrame 的第一行或最后一行不能代表数据，可以使用sample从 DataFrame 中随机获取任意数量的行。请注意，返回的行不一定与它们在 DataFrame 中出现的顺序相同：
describe
可以使用describe来计算DataFrame所有列的汇总统计数据，类似pandas的describe:
1shape: (9, 5)
2┌────────────┬────────────────┬─────────────────────┬───────────┬──────────┐
3│ statistic ┆ name ┆ birthdate ┆ weight ┆ height │
4│ --- ┆ --- ┆ --- ┆ --- ┆ --- │
5│ str ┆ str ┆ str ┆ f64 ┆ f64 │
6╞════════════╪════════════════╪═════════════════════╪═══════════╪══════════╡
7│ count ┆ 4 ┆ 4 ┆ 4.0 ┆ 4.0 │
8│ null_count ┆ 0 ┆ 0 ┆ 0.0 ┆ 0.0 │
9│ mean ┆ null ┆ 1986-09-04 00:00:00 ┆ 66.775 ┆ 1.6825 │
10│ std ┆ null ┆ null ┆ 13.560082 ┆ 0.097082 │
11│ min ┆ Alice Archer ┆ 1981-04-30 ┆ 53.6 ┆ 1.56 │
12│ 25% ┆ null ┆ 1983-03-22 ┆ 57.9 ┆ 1.65 │
13│ 50% ┆ null ┆ 1985-02-15 ┆ 72.5 ┆ 1.75 │
14│ 75% ┆ null ┆ 1985-02-15 ┆ 72.5 ┆ 1.75 │
15│ max ┆ Daniel Donovan ┆ 1997-01-10 ┆ 83.1 ┆ 1.77 │
16└────────────┴────────────────┴─────────────────────┴───────────┴──────────┘
schema
取表格架构，返回类似于字典的mapping类型：
1Schema([('name', String), ('birthdate', Date), ('weight', Float64), ('height', Float64)])
与Series非常相似，Polars 会在创建DataFrame时自动推断其类型，也可以根据需要指定类型。如果您不想手动指定，可以使用None表示跳过：
Python
1df = pl.DataFrame(
2 {
3 "name": ["Alice", "Ben", "Chloe", "Daniel"],
4 "age": [27, 39, 41, 43],
5 },
6 schema={"name": None, "age": pl.UInt8},
7)
8
9print(df)
1shape: (4, 2)
2┌────────┬─────┐
3│ name ┆ age │
4│ --- ┆ --- │
5│ str ┆ u8 │
6╞════════╪═════╡
7│ Alice ┆ 27 │
8│ Ben ┆ 39 │
9│ Chloe ┆ 41 │
10│ Daniel ┆ 43 │
11└────────┴─────┘
如果只想需要覆盖某些列的推断，则参数schema_overrides往往更方便：
Python
1df = pl.DataFrame(
2 {
3 "name": ["Alice", "Ben", "Chloe", "Daniel"],
4 "age": [27, 39, 41, 43],
5 },
6 schema_overrides={"age": pl.UInt8},
7)
8
9print(df)
1shape: (4, 2)
2┌────────┬─────┐
3│ name ┆ age │
4│ --- ┆ --- │
5│ str ┆ u8 │
6╞════════╪═════╡
7│ Alice ┆ 27 │
8│ Ben ┆ 39 │
9│ Chloe ┆ 41 │
10│ Daniel ┆ 43 │
11└────────┴─────┘
