背景#

polars学习系列文章，第5篇包含的数据结构，与 pandas 一样，polars 包含的数据结构是：Series、DataFrame，大部分操作与pandas 保持一致，减少了大家的学习难度

该系列文章会分享到github，大家可以去下载jupyter文件，进行参考学习

仓库地址：https://github.com/DataShare-duo/polars_learn

小编运行环境#

1
import sys
2

3
print('python 版本：',sys.version.split('|')[0])
4
#python 版本： 3.11.9
5

6
import polars as pl
7

8
print("polars 版本：",pl.__version__)
9
#polars 版本： 0.20.22

Series 数据列#

Series 是一维的数据结构，其有相同的数据类型，可以理解为数据库中的一列

1
import polars as pl
2

3
s = pl.Series("a", [1, 2, 3, 4, 5])
4
print(s)
5

6
shape: (5,)
7
Series: 'a' [i64]
8
[
9
  1
10
  2
11
  3
12
  4
13
  5
14
]

数据列的操作#

1
print(s.min())  #1
2
print(s.max())  #5
3
print(s.mean())  #3.0
4
print(s.count())   #5

DataFrame 数据框#

DataFrame 是一个二维的数据结构，其是由一系列的 Series 组成，可以理解为一张数据表，包含很多列

1
from datetime import datetime
2

3
df = pl.DataFrame(
4
    {
5
        "integer": [1, 2, 3, 4, 5],
6
        "date": [
7
            datetime(2022, 1, 1),
8
            datetime(2022, 1, 2),
9
            datetime(2022, 1, 3),
10
            datetime(2022, 1, 4),
11
            datetime(2022, 1, 5),
12
        ],
13
        "float": [4.0, 5.0, 6.0, 7.0, 8.0],
14
    }
15
)
16

17
print(df)
18

19
shape: (5, 3)
20
┌─────────┬─────────────────────┬───────┐
21
│ integer ┆ date                ┆ float │
22
│ ---     ┆ ---                 ┆ ---   │
23
│ i64     ┆ datetime[μs]        ┆ f64   │
24
╞═════════╪═════════════════════╪═══════╡
25
│ 1       ┆ 2022-01-01 00:00:00 ┆ 4.0   │
26
│ 2       ┆ 2022-01-02 00:00:00 ┆ 5.0   │
27
│ 3       ┆ 2022-01-03 00:00:00 ┆ 6.0   │
28
│ 4       ┆ 2022-01-04 00:00:00 ┆ 7.0   │
29
│ 5       ┆ 2022-01-05 00:00:00 ┆ 8.0   │
30
└─────────┴─────────────────────┴───────┘

Head#

默认展示前5行数据，也可以传出要展示的行数

1
print(df.head())
2
#shape: (5, 3)
3
┌─────────┬─────────────────────┬───────┐
4
│ integer ┆ date                ┆ float │
5
│ ---     ┆ ---                 ┆ ---   │
6
│ i64     ┆ datetime[μs]        ┆ f64   │
7
╞═════════╪═════════════════════╪═══════╡
8
│ 1       ┆ 2022-01-01 00:00:00 ┆ 4.0   │
9
│ 2       ┆ 2022-01-02 00:00:00 ┆ 5.0   │
10
│ 3       ┆ 2022-01-03 00:00:00 ┆ 6.0   │
11
│ 4       ┆ 2022-01-04 00:00:00 ┆ 7.0   │
12
│ 5       ┆ 2022-01-05 00:00:00 ┆ 8.0   │
13
└─────────┴─────────────────────┴───────┘
14

15
print(df.head(3))
16
#shape: (3, 3)
17
┌─────────┬─────────────────────┬───────┐
18
│ integer ┆ date                ┆ float │
19
│ ---     ┆ ---                 ┆ ---   │
20
│ i64     ┆ datetime[μs]        ┆ f64   │
21
╞═════════╪═════════════════════╪═══════╡
22
│ 1       ┆ 2022-01-01 00:00:00 ┆ 4.0   │
23
│ 2       ┆ 2022-01-02 00:00:00 ┆ 5.0   │
24
│ 3       ┆ 2022-01-03 00:00:00 ┆ 6.0   │
25
└─────────┴─────────────────────┴───────┘

Tail#

默认展示最后5行数据，也可以传出要展示的行数

1
print(df.tail())
2
#shape: (5, 3)
3
┌─────────┬─────────────────────┬───────┐
4
│ integer ┆ date                ┆ float │
5
│ ---     ┆ ---                 ┆ ---   │
6
│ i64     ┆ datetime[μs]        ┆ f64   │
7
╞═════════╪═════════════════════╪═══════╡
8
│ 1       ┆ 2022-01-01 00:00:00 ┆ 4.0   │
9
│ 2       ┆ 2022-01-02 00:00:00 ┆ 5.0   │
10
│ 3       ┆ 2022-01-03 00:00:00 ┆ 6.0   │
11
│ 4       ┆ 2022-01-04 00:00:00 ┆ 7.0   │
12
│ 5       ┆ 2022-01-05 00:00:00 ┆ 8.0   │
13
└─────────┴─────────────────────┴───────┘
14

15
print(df.tail(3))
16
#shape: (3, 3)
17
┌─────────┬─────────────────────┬───────┐
18
│ integer ┆ date                ┆ float │
19
│ ---     ┆ ---                 ┆ ---   │
20
│ i64     ┆ datetime[μs]        ┆ f64   │
21
╞═════════╪═════════════════════╪═══════╡
22
│ 3       ┆ 2022-01-03 00:00:00 ┆ 6.0   │
23
│ 4       ┆ 2022-01-04 00:00:00 ┆ 7.0   │
24
│ 5       ┆ 2022-01-05 00:00:00 ┆ 8.0   │
25
└─────────┴─────────────────────┴───────┘

Sample 随机抽样#

1
print(df.sample(3))
2
#shape: (3, 3)
3
┌─────────┬─────────────────────┬───────┐
4
│ integer ┆ date                ┆ float │
5
│ ---     ┆ ---                 ┆ ---   │
6
│ i64     ┆ datetime[μs]        ┆ f64   │
7
╞═════════╪═════════════════════╪═══════╡
8
│ 5       ┆ 2022-01-05 00:00:00 ┆ 8.0   │
9
│ 3       ┆ 2022-01-03 00:00:00 ┆ 6.0   │
10
│ 1       ┆ 2022-01-01 00:00:00 ┆ 4.0   │
11
└─────────┴─────────────────────┴───────┘

Describe 数据概况#

1
print(df.describe())
2
#shape: (9, 4)
3
┌────────────┬──────────┬─────────────────────┬──────────┐
4
│ statistic  ┆ integer  ┆ date                ┆ float    │
5
│ ---        ┆ ---      ┆ ---                 ┆ ---      │
6
│ str        ┆ f64      ┆ str                 ┆ f64      │
7
╞════════════╪══════════╪═════════════════════╪══════════╡
8
│ count      ┆ 5.0      ┆ 5                   ┆ 5.0      │
9
│ null_count ┆ 0.0      ┆ 0                   ┆ 0.0      │
10
│ mean       ┆ 3.0      ┆ 2022-01-03 00:00:00 ┆ 6.0      │
11
│ std        ┆ 1.581139 ┆ null                ┆ 1.581139 │
12
│ min        ┆ 1.0      ┆ 2022-01-01 00:00:00 ┆ 4.0      │
13
│ 25%        ┆ 2.0      ┆ 2022-01-02 00:00:00 ┆ 5.0      │
14
│ 50%        ┆ 3.0      ┆ 2022-01-03 00:00:00 ┆ 6.0      │
15
│ 75%        ┆ 4.0      ┆ 2022-01-04 00:00:00 ┆ 7.0      │
16
│ max        ┆ 5.0      ┆ 2022-01-05 00:00:00 ┆ 8.0      │
17
└────────────┴──────────┴─────────────────────┴──────────┘

历史相关文章#

以上是自己实践中遇到的一些问题，分享出来供大家参考学习，欢迎关注微信公众号：DataShare ，不定期分享干货