丰富的线上&线下活动，深入探索云世界
做任务，得社区积分和周边
最真实的开发者用云体验
让每位学生受益于普惠算力
让创作激发创新
资深技术专家手把手带教
遇见技术追梦人
技术交流，直击现场
海量开发者使用工具、手册，免费下载
极速、全面、稳定、安全的开源镜像
开发手册、白皮书、案例集等实战精华
为开发者定制的Chrome浏览器插件
本文将带领大家学习Polars的基础用法，通过数据加载->数据探索->数据清洗->数据操作一整个完整数据处理闭环，让大家学会如何用Polars代替Pandas进行数据处理。
简单地说Polars相当于Rust的Pandas，且性能比Pandas要好很多。
跟Pandas比，Polars有如下优势：
正如开篇所讲，Polars就是为了解决Pandas的性能而生的。在很多测试中，Polars比Pandas快2-3倍。
由于Polars提供Python和JavaScript绑定，所以Polars支持多种语言环境安装
传统的Rust程序有Cargo进行包管理，只需要在cargo.toml的[dependencies]中加入
polars="0.25.1"或者用cargoadd
$cargoaddpolars对于Python环境，我们可以安装Polars的Python语言绑定PyPolars
$pipinstallpolars对于node环境，我们可以安装Polars的JavaScript语言绑定
$yarnaddnodejs-polars数据科学家和算法工程师更喜欢用Jupyter，Jupyter环境下我们需要用evcxr的:dep命令来引入包。在Jupyter中输入如下代码：
:deppolars={version="0.25.1"}创建DataFrame手动创建我们先来看一下如何创建DataFrame：
usepolars::prelude::*;letdf=df!["Model"=>["iPhoneXS","iPhone12","iPhone13","iPhone14","SamsungS11","SamsungS12","MiA1","MiA2"],"Company"=>["Apple","Apple","Apple","Apple","Samsung","Samsung","XiaoMi","XiaoMi"],"Sales"=>[80,170,130,205,400,30,14,8],"Comment"=>[None,None,Some("SoldOut"),Some("NewArrival"),None,Some("SoldOut"),None,None],];println!("{}",&df);Polars提供了df!宏来创建DataFrame。df!按列接受数据，每列含有列名和数据，数据以数组形式提供。这里需要注意的是，如果数据中存在空数据，我们需要用None来表示，而Rust是强类型语言，需要列数据类型一致，所以如果数据中有None存在，其他非None的数据需要用Some()包裹，达到类型一致。
DataFrame实现了std::fmt::Display方法，因此创建的对象可以直接利用println!宏输出。
跟Pandas一样，在JupyterNotebook中PolarsDataFrame会以整齐美观的格式输出，并且还很贴心地将每列的数据类型展示出来，非常方便。
这里注意，PolarsDataFrame跟PandasDataFrame有一点不同，PolarsDataFrame的列名必须是字符串类型。如果列名不是字符串类类型，运行时会报错。请看下面的代码：
letdf2=df![0=>[Some(0),Some(1),Some(2)],1=>[Some("x"),Some("y"),Some("z")],];println!("{}",&df2);上面的代码运行会报错mismatchedtypes错误，因为列名是i32类型不是str字符串类型。
除了显示列名，PolarsDataFrame还会在列名下面显示该列的数据类型。我们也可以调用dtypes()方法获取各列的数据类型：
df.dtypes()运行上面的代码我们会看到下面的输出：
[Utf8,Utf8,Int32,Utf8]我们也可以用get_column_names()方法获取所有列名：
df.get_column_names()输出
["Model","Company","Sales","Comment"]我们能也可以通过get_row()方法传入行下标来获取一行数据：
df.get_row(0)上面的代码会将第一行数据显示出来:
Row([Utf8("iPhoneXS"),Utf8("Apple"),Int32(80),Null])注意：与Pandas不同，Polars中没有行索引的概念。Polar的设计哲学认为DataFrame不需要行索引。
除了手动创建DataFrame外，我们更多时候都是从外部将数据集加载到DataFrame中。Polars支持多种格式的数据加载，包括csv、json、parquet等常见的数据格式。
我们以csv数据载入为例演示一下Polars如何加载外部数据：
iris_data=CsvReader::from_path("iris.csv").has_header(true).finish();println!("{}",&iris_data);上面的代码会将iris.csv文件中的数据加载到DataFrame中。其中has_header(true)的意思是csv文件有表头。输出结果如下：
其他格式的数据都有对应的Reader，用法类似。
有了数据之后，通常第一步我们需要对数据进行一些探索。常用的数据探索功能Polars都已经内置。
当我们的数据集比较大时，我们一般只会选择开头或结尾的几行来浏览数据。
我们可以通过shape()来查看数据集的大小
iris_data.shape()输出
(150,5)对数据集更详细的描述可以使用类似Pandas的describe()方法。describe()方法在describefeature中，所以要使用describe()我们需要在引入Polars时带上feature。
iris_data.describe(None)输出如下：
从输出可以看到，Polars的describe方法的输出跟Pandas的几乎一致。
describe()方法接受一个参数，用于指定分位数。如果传None，则默认显示25%，50%，75%分位数。我们可以传入f64数组引用来自定义分位数，比如：
iris_data.describe(Some(&[0.3,0.6,0.9]))上面的代码会输出30%，60%，90%分位数。（注意，describe()方法的参数是Option类型，所以我们需要用Some将浮点数数组包裹起来）
describe()中已经包含了常用的聚合统计，这些数据都有对应的函数可以单独统计。除此之外，Polars还提供了众多聚合统计函数：
这里给大家详细说一下quantile()，其他的跟Pandas非常类似。
quantile()接受2个参数，第一个参数分位数，第二个参数是求值策略，它是个QuantileInterpolOptions枚举值，有如下选项：
下面代码演示了如何用线性策略求33%分位数：
Polars有drop_nulls()删除缺失值。请看下面的代码：
letdf2=df.drop_nulls(Some(&["Comment".to_string()]));println!("{}",&df2);上面代码移除Comment列数据为空的记录。输出结果为：
如果参数传None则是对所有列移除数据为空的记录。
除了直接将缺失值所在行删除掉，很多时候我们希望用某个值来填充缺失值。Polars中有fill_null()可以实现这个功能。
letdf3=df.fill_null(FillNullStrategy::Forward(None));println!("{}",&df3);上面的代码会用遇到的第一个非空值填充后面的空值。输出结果如下：
fill_null提供多种填充策略：
在数据清洗时我们往往还要去除数据中的重复记录，Polars提供了drop_duplicates()。请看下面的代码：
letdf4=df.drop_duplicates(true,Some(&["Company".to_string()]));println!("{}",&df4);drop_duplicates()接收2个参数，第一个参数是个bool值，表示是否保持数据的顺序；第二个参数是要处理的列名列表，如果传None表示所有列。上面代码执行后，Company列中重复的数据只会保留第一条。输出结果如下：
Polars中选择列非常的直接，只需要给出列名即可：
df.select(["Model"])上面的代码会返回仅包含Model列的DataFrame。
如果你想获取多列，只需要将多个列名放在数组里即可：
除了用列名获取列，我们还可以用下标来获取，
df.select_by_range(0..1)df.select_by_range(0..=1)上面两行代码的输出跟之前用列名选择列的输出是一样的。
从数据集中按条件筛选（过滤）数据是最常用的操作之一。Polars用filter()进行数据筛选。filter()接收一个bool数组为参数，根据数组中的bool值来留下（为true时）或过滤掉（为false时）数据。因此数据筛选（过滤）的核心是产生此bool数组。比如，我们想筛选出苹果公司的手机，可以这样写：
letmask=df.column("Company").equal("Apple");df.filter(&mask)上面代码df.column("Company")获取Company列数据，然后用equal()判断值相等，得到bool数组，再由filter()函数过滤出数据。输出结果为：
我们当然也可以通过逻辑运算（与&,或|,非!）组合多个筛选条件。比如我想筛选出苹果公司销售量大于100的数据，可以这样组合：
letmask=df.column("Company").equal("Apple")&df.column("Sales").gt(100);df.filter(&mask)这里用与运算&组合两个判断条件，形成新的bool数组。结果如下：
对数排序是数据分析中最常用的另一个操作。Polars提供sort()方法可以单列排序或多列组合排序。
单列排序很简单，只需要传入2个参数--列名和是否降序排列，请看下面的代码：
df.sort(["Sales"],true)上面的代码对Sales列降序排序，输出结果为:
多列组合排序需要传入多个列名组成的数组和对应的排序方式数组，请看下面的代码：
df.sort(["Model","Sales"],vec![false,true])排在前面的列为主排序列，后面的列为辅助排序列。排序时会先按主列排序，然后再按辅列排序。上面的代码实现的是先按Model升序排序，然后在此基础上再按Sales降序排序，所以输出结果为：
有时我们需要将两个DataFrame按主键合并成一个DataFrame，此时就需要用得到join()。join()接收5个参数，分别是要合并的DataFrame，左键，右键，合并方式，及前缀。请看下面的代码：
letdf_price=df!["Model"=>["iPhoneXS","iPhone12","iPhone13","iPhone14","SamsungS11","SamsungS12","MiA1","MiA2"],"Price"=>[2430,3550,5700,8750,2315,3560,980,1420],"Discount"=>[Some(0.85),Some(0.85),Some(0.8),None,Some(0.87),None,Some(0.66),Some(0.8)],];letmutdf_join=df.join(&df_price,["Model"],["Model"],JoinType::Inner,None);println!("{}",&df_join);上面的代码将新建的df_price按照Model为主键合并到df中，合并后的结果为：
数据分析时往往需要分组来分析，我们可以用groupby()对数据进行分组。groupby()接受一个参数，指定以哪个属性（列名）来分组。比如我们想按公司品牌来统计销量，可以这样写：
df.groupby(["Company"]).select(["Sales"]).sum()上面的代码很好理解，先按Company分组，然后对Salse进行加总，结果如下：
最后，我们可以将前面学到的内容结合在一起使用，按公司品牌统计销售额并降序排序。$\text{销售额}=\text{销量}\times\text{售价}\times\text{折扣}$，其中折扣为空表示不打折。代码如下：
//计算销售额letmutamount=(df_join.column("Sales"))*(df_join.column("Price"))*(df_join.column("Discount").fill_null(FillNullStrategy::One));amount.rename("Amount");//将销售额加入DataFramedf_join.with_column(amount);//分组统计销售额df_join.groupby(["Company"]).select(["Amount"]).sum().sort(["Amount_sum"],true)输出为：
本章我们学习了Polars的基本用法，并带大家实操了从数据生成/加载，到数据探索，数据清洗，再到数据操作一整个数据处理流程。Pandas能实现的功能，Polars都能实现且性能更好。
Polars的功能还有很多，能处理的问题十分丰富。并且Polars并行计算和延迟计算等高级特性本文还为涉及，后面会为大家专门介绍Polars的延迟计算和并行计算，让大家可以最大程序挖掘Polars的性能极限。