core_concepts

# Polars 核心概念 ## 表达式 (Expressions) 表达式是 Polars API 的基础。它们是可组合的单元，描述了数据转换而不立即执行。 ### 什么是表达式？ 表达式描述了对数据的转换。它仅在特定上下文中物化（执行）： - `select()` - 选择并转换列 - `with_columns()` - 添加或修改列 - `filter()` - 过滤行 - `group_by().agg()` - 聚合数据 ### 表达式语法 **基本列引用：** python pl.col("column_name") **计算表达式：** python # 算术运算 pl.col("height") * 2 pl.col("price") + pl.col("tax") # 使用别名 (pl.col("weight") / (pl.col("height") ** 2)).alias("bmi") # 方法链 pl.col("name").str.to_uppercase().str.slice(0, 3) ### 表达式上下文 **Select 上下文：** python df.select( "name", # 简单列名 pl.col("age"), # 表达式 (pl.col("age") * 12).alias("age_in_months") # 计算表达式 ) **With_columns 上下文：** python df.with_columns( age_doubled=pl.col("age") * 2, name_upper=pl.col("name").str.to_uppercase() ) **Filter 上下文：** python df.filter( pl.col("age") > 25, pl.col("city").is_in(["NY", "LA", "SF"]) ) **Group_by 上下文：** python df.group_by("department").agg( pl.col("salary").mean(), pl.col("employee_id").count() ) ### 表达式扩展 同时对多个列应用操作： **所有列：** python df.select(pl.all() * 2) **模式匹配：** python # 所有以 "_value" 结尾的列 df.select(pl.col("^.*_value$") * 100) # 所有数值列 df.select(pl.col(pl.NUMERIC_DTYPES) + 1) **排除模式：** python df.select(pl.all().exclude("id", "name")) ### 表达式组合 表达式可以存储并重用： python # 定义可重用表达式 age_expression = pl.col("age") * 12 name_expression = pl.col("name").str.to_uppercase() # 在多个上下文中使用 df.select(age_expression, name_expression) df.with_columns(age_months=age_expression) ## 数据类型 Polars 拥有基于 Apache Arrow 的严格类型系统。 ### 核心数据类型 **数值型：** - `Int8`, `Int16`, `Int32`, `Int64` - 有符号整数 - `UInt8`, `UInt16`, `UInt32`, `UInt64` - 无符号整数 - `Float32`, `Float64` - 浮点数 **文本型：** - `Utf8` / `String` - UTF-8 编码字符串 - `Categorical` - 分类字符串（低基数） - `Enum` - F