Polars 上下文指南
Polars 是一个用 Rust 编写的 DataFrame 库，使用 Arrow 作为其底层数据结构。它的目标是通过并行化 DataFrame 上的查询，提供一个快速的解决方案。
上下文
Polars 表达式几乎可以在任何地方使用，但是表达式需要一个上下文，这些上下文包括：
- 选择:
df.select([..]) - 分组集合:
df.groupby(..).agg([..]) - 横向堆叠(hstack) 或者增加列:
df.with_columns([..])
语法糖
需要上下文的主要原因是：即使在即时执行中，你也在使用 Polars 的延迟执行API。例如：
df.groupby("foo").agg([pl.col("bar").sum()])去掉语法糖后：
(df.lazy().groupby("foo").agg([pl.col("bar").sum()])).collect()这种设计可以让 Polars 把表达式推送给查询引擎，进行一些优化和缓存操作。
select 上下文
在 select 上下文中，选择操作是按照列进行的。在选择向下文的表达式必须要返回 Series 并且这些 Series 需要有相同的长度或者长度为1。
out = df.select(
[
pl.sum("nrs"),
pl.col("names").sort(),
pl.col("names").first().alias("first name"),
(pl.mean("nrs") * 10).alias("10xnrs"),
]
)
print(out)Groupby 上下文
在 groupby 上下文中的表达式主要作用域分组上，因此他们会返回任意长度（每个组可能有不同数量的成员）。
out = df.groupby("groups").agg(
[
pl.sum("nrs"), # 通过groups列对nrs求和
pl.col("random").count().alias("count"), # 记录组数
# 如果name != null记录random列的和
pl.col("random").filter(pl.col("names").is_not_null()).sum().suffix("_sum"),
pl.col("names").reverse().alias(("reversed names")),
]
)
print(out)更多详细信息和高级用法，请访问Polars 官方文档。
