安装

Polars 是一个库，安装就像调用相应编程语言的包管理器一样简单。

pip install polars

# Or for legacy CPUs without AVX2 support
pip install polars-lts-cpu

cargo add polars -F lazy

# Or Cargo.toml
[dependencies]
polars = { version = "x", features = ["lazy", ...]}

大索引

默认情况下，Polars 数据框的行数限制为 \(2^{32}\) 行（约43亿）。通过启用大索引扩展，可以将此限制增加到 \(2^{64}\) 行（约180亿亿）：

pip install polars-u64-idx

cargo add polars -F bigidx

# Or Cargo.toml
[dependencies]
polars = { version = "x", features = ["bigidx", ...] }

旧版CPU

要在没有AVX支持的旧CPU上安装Polars for Python，请运行：

pip install polars-lts-cpu

导入

要使用该库，只需将其导入到您的项目中：

import polars as pl

use polars::prelude::*;

功能标志

通过使用上述命令，您可以在系统上安装Polars的核心部分。然而，根据您的使用情况，您可能还希望安装可选的依赖项。这些依赖项被设为可选是为了最小化安装体积。根据编程语言的不同，标志也会有所不同。在用户指南中，我们会提到当使用的功能需要额外依赖时的情况。

Python

# For example
pip install 'polars[numpy,fsspec]'

全部

GPU

互操作性

Excel

数据库

云

其他输入/输出

其他

Rust

# Cargo.toml
[dependencies]
polars = { version = "0.26.1", features = ["lazy", "temporal", "describe", "json", "parquet", "dtype-datetime"] }

可选功能包括：

• 额外的数据类型：
  • dtype-date
  • dtype-datetime
  • dtype-time
  • dtype-duration
  • dtype-i8
  • dtype-i16
  • dtype-u8
  • dtype-u16
  • dtype-categorical
  • dtype-struct
• lazy - 懒加载API:
  • regex - 在列选择中使用正则表达式。
  • dot_diagram - 从懒加载的逻辑计划创建点图。
• sql - 将SQL查询传递给Polars。
• streaming - 能够处理大于内存的数据集。
• random - 生成包含随机采样值的数组
• ndarray- 从 DataFrame 转换为 ndarray
• temporal - 在Chrono和Polars之间进行时间数据类型的转换
• timezones - 激活时区支持。
• strings - 为 StringChunked 提供的额外字符串工具：
  • string_pad - 用于 pad_start, pad_end, zfill。
  • string_to_integer - 用于 parse_int。
• object - 支持通用的ChunkedArrays，称为ObjectChunked（对T通用）。 这些可以通过Any特性从Series向下转换。
• 性能相关：
  • nightly - 一些仅在夜间版本中可用的功能，如SIMD和特殊化。
  • performant - 更多的快速路径，编译时间更长。
  • bigidx - 如果您预计行数将超过 \(2^{32}\)，请激活此功能。 这允许Polars通过使用u64作为索引来扩展到远远超过这个数字。 激活此功能后，Polars会稍微变慢，因为许多数据结构的缓存效率较低。
  • cse - 激活公共子计划消除优化。
• IO相关：
  • serde - 支持serde序列化和反序列化。 可用于JSON及更多serde支持的序列化格式。
  • serde-lazy - 支持serde序列化和反序列化。 可用于JSON及更多serde支持的序列化格式。
  • parquet - 读取Apache Parquet格式。
  • json - JSON序列化。
  • ipc - Arrow的IPC格式序列化。
  • decompress - 自动推断csv的压缩方式并解压缩。 支持的压缩方式：
  • gzip
  • zlib
  • zstd
• 数据框操作：
  • dynamic_group_by - 基于时间窗口而不是预定义键进行分组。同时激活滚动窗口分组操作。
  • sort_multiple - 允许在多个列上对数据框进行排序。
  • rows - 从行创建数据框并从dataframes中提取行。同时激活pivot和transpose操作。
  • join_asof - ASOF连接，以连接最近的键而不是精确的相等匹配。
  • cross_join - 创建两个数据框的笛卡尔积。
  • semi_anti_join - SEMI和ANTI连接。
  • row_hash - 将数据框行哈希到UInt64Chunked的实用工具。
  • diagonal_concat - 对角连接，从而组合不同的模式。
  • dataframe_arithmetic - 数据框与其他数据框或系列之间的算术运算。
  • partition_by - 按组分割成多个数据框。
• Series/表达式操作：
  • is_in - 检查Series中的成员资格。
  • zip_with - 压缩两个Series / ChunkedArray。
  • round_series - 对Series的底层浮点类型进行四舍五入。
  • repeat_by - 根据另一个数组指定的次数重复数组中的元素。
  • is_first_distinct - 检查元素是否为第一个唯一值。
  • is_last_distinct - 检查元素是否为最后一个唯一值。
  • checked_arithmetic - 在无效操作时返回None的检查算术。
  • dot_product - 在Series和表达式上进行点积/内积。
  • concat_str - 在线性时间内连接字符串数据。
  • reinterpret - 将位重新解释为有符号/无符号的实用工具。
  • take_opt_iter - 使用Iterator>从Series中获取。
  • mode - 返回最常出现的值。
  • cum_agg - cum_sum, cum_min, 和 cum_max 聚合。
  • rolling_window - 滚动窗口函数，如rolling_mean。
  • interpolate - 插值None值。
  • extract_jsonpath - 在StringChunked上运行jsonpath查询。
  • list - 列表工具：
  • list_gather - 通过多个索引获取子列表。
  • rank - 排名算法。
  • moment - 峰度和偏度统计。
  • ewma - 指数移动平均窗口。
  • abs - 获取Series的绝对值。
  • arange - 在Series上进行范围操作。
  • product - 计算Series的乘积。
  • diff - diff操作。
  • pct_change - 计算变化百分比。
  • unique_counts - 计算表达式中的唯一值数量。
  • log - Series的对数。
  • list_to_struct - 将List转换为Struct数据类型。
  • list_count - 计算列表中的元素数量。
  • list_eval - 在列表元素上应用表达式。
  • cumulative_eval - 在累积增加的窗口上应用表达式。
  • arg_where - 获取条件成立的索引。
  • search_sorted - 查找应插入元素以保持顺序的索引。
  • offset_by - 为考虑月份和闰年的日期添加偏移量。
  • trigonometry - 三角函数。
  • sign - 计算Series的逐元素符号。
  • propagate_nans - NaN传播的最小/最大聚合。
• Dataframe 美化打印：
  • fmt - 激活 dataframe 格式化。