PolarsのExpression

同じExpressionでも、異なるcontextに応じて異なる結果になる

遅延評価される

こういう、直観どおりの計算式のこと

code:py

pl.col("weight") / (pl.col("height") ** 2)

Expression expansion

以下2つは同じ意味

code:py

pl.col("weight", "height").mean().name.prefix("avg_")

code:py

[

pl.col("weight").mean().alias("avg_weight"),

pl.col("height").mean().alias("avg_height"),

]

Polarsのダミー値周り

ランダムに抽出する場合はsample系のmethodを使う

etc.

code:py

df.with_columns(pl.lit(np.random.rand(df.height)).alias("prob"))

code:py

n = _sheet.height

random_stock = np.random.randint(1, 10, size=n)

sheet = (

_sheet

.with_columns([

pl.Series("実在庫数", random_stock),

pl.Series("カウント日", random_dates),

])

)

categorical

カラムの内容が、赤、黄、青、みたいに決まったカテゴリに限るやつの扱い

内部で辞書を作るので、普通に文字列を使うより高速らしい

2種類

Enum

事前にカテゴリが決まっているもの

Categorical

カテゴリが不明または固定されていないもの

aggregation

array

各行の要素数が同じである

Pythonのuser-defined functions

numpyの関数でmapしたりできる

streamingにも対応している

(もちろん自分で定義しても良い)

code:py

import numpy as np

out = df.select(pl.col("values").map_batches(np.log))