函数

转换

from_arrow(数据[, 模式, 模式覆盖, ...])	从Arrow表或数组创建DataFrame或Series。
from_dataframe(df, *[, allow_copy])	从支持交换协议的任何数据框构建一个Polars数据框。
from_dict(data[, schema, schema_overrides, ...])	从序列的字典中构造一个DataFrame。
from_dicts(数据[, 模式, 模式覆盖, ...])	从字典序列构造一个DataFrame。
from_numpy(数据[, 模式, 模式覆盖, ...])	从NumPy ndarray构建一个DataFrame。
from_pandas(data, *[, schema_overrides, ...])	从pandas的DataFrame、Series或Index构建一个Polars的DataFrame或Series。
from_records(数据[, 模式, ...])	从序列的序列中构造一个DataFrame。
from_repr(data)	从其字符串表示形式构造一个Polars DataFrame或Series。
json_normalize(data, *[, separator, ...])	将半结构化的反序列化JSON数据规范化为一个扁平表。

杂项

align_frames(*frames, on[, how, select, ...])	使用一个或多个列中的共同值作为键来对齐一系列帧。
concat(items, *[, how, rechunk, parallel])	将多个DataFrames、LazyFrames或Series合并为一个对象。
escape_regex(s)	转义字符串正则表达式元字符。

并行化

collect_all(lazy_frames, *[, type_coercion, ...])	同时收集多个LazyFrames。
collect_all_async(lazy_frames, *[, gevent, ...])	在线程池中异步同时收集多个LazyFrames。

随机

set_random_seed(seed)

为Polars设置全局随机种子。

字符串缓存

请注意，StringCache 可以用作上下文管理器和装饰器，以明确缓存的生命周期。

StringCache()	用于启用和禁用全局字符串缓存的上下文管理器。
enable_string_cache()	启用全局字符串缓存。
disable_string_cache()	禁用并清除全局字符串缓存。
using_string_cache()	检查全局字符串缓存是否已启用。