polars.LazyFrame.explain#

LazyFrame.explain(
*,
format: ExplainFormat = 'plain',
optimized: bool = True,
type_coercion: bool = True,
_type_check: bool = True,
predicate_pushdown: bool = True,
projection_pushdown: bool = True,
simplify_expression: bool = True,
slice_pushdown: bool = True,
comm_subplan_elim: bool = True,
comm_subexpr_elim: bool = True,
cluster_with_columns: bool = True,
collapse_joins: bool = True,
streaming: bool = False,
tree_format: bool | None = None,
_check_order: bool = True,
) → str[source]#

创建查询计划的字符串表示。

可以开启或关闭不同的优化。

Parameters:
format{‘plain’, ‘tree’}

用于显示逻辑计划的格式。

optimized

返回一个优化的查询计划。默认为 True。 如果设置为 True，后续的优化标志将控制哪些优化运行。

type_coercion

进行类型强制优化。

predicate_pushdown

执行谓词下推优化。

projection_pushdown

执行投影下推优化。

simplify_expression

运行简化表达式优化。

slice_pushdown

切片下推优化。

comm_subplan_elim

将尝试缓存出现在自连接或联合上的分支子计划。

comm_subexpr_elim

常见的子表达式将被缓存并重复使用。

cluster_with_columns

将连续的独立调用合并到with_columns

collapse_joins

将连接和过滤器合并为更快的连接

streaming

以流式方式运行查询的部分内容（此功能处于alpha状态）

警告

流模式被认为是不稳定的。它可能会在任何时候更改，而不被视为破坏性更改。

tree_format

将输出格式化为树形结构。

自版本0.20.30起已弃用：请改用format="tree"。

示例

>>> lf = pl.LazyFrame(
...     {
...         "a": ["a", "b", "a", "b", "b", "c"],
...         "b": [1, 2, 3, 4, 5, 6],
...         "c": [6, 5, 4, 3, 2, 1],
...     }
... )
>>> lf.group_by("a", maintain_order=True).agg(pl.all().sum()).sort(
...     "a"
... ).explain()
On this page