索引

Polars DataFrame没有索引，因此索引行为可以是一致的，而不需要 df.loc, df.iloc, or a df.at 操作。

规则如下（取决于值的数据类型）:

• 数值型

  • axis 0: 行（row）
  • axis 1: 列（column）

• 数值型 + 字符串

  • axis 0: 行（这里只接收数字)
  • axis 1: 列（接受数字+字符串值）

• 仅字符串

  • axis 0: 列（column）
  • axis 1: 报错（error）

• 表达式

  所有表达式求值都是并行执行的

  • axis 0: 列（column）
  • axis 1: 列（column）
  • ..
  • axis n: 列（column）

与Pandas的对比

pandas	polars
选择列 df.iloc[2]	df[2, :]
按索引选择几行 df.iloc[[2, 5, 6]]	df[[2, 5, 6], :]
选择行的切片 df.iloc[2:6]	df[2:6, :]
使用布尔掩码（boolean mask）选择行 df.iloc[True, True, False]	df[[True, True, False]]
按谓词（predicate）条件选择行 df.loc[df["A"] > 3]	df[df["A"] > 3]
选择列的切片 df.iloc[:, 1:3]	df[:, 1:3]
按字符串顺序选择列的切片 df.loc[:, "A":"Z"]	df[:, "A":"Z"]
选择单个值（标量） df.loc[2, "A"]	df[2, "A"]
选择单个值（标量） df.iloc[2, 1]	df[2, 1]
选择单个值（Series或DataFrame） df.loc[2, ["A"]]	df[2, ["A"]]
选择单个值 (Series或DataFrame) df.iloc[2, [1]]	df[2, [1]]

表达式

表达式也可以用于索引（它是df.select的语法糖）。

这可以用来做一些很有别致的选择。

df[[
    pl.col("A").head(5),  # 从“A”的首部开始获取
    pl.col("B").tail(5).reverse(), # 以逆序的方式获取“B”的后部
    pl.col("B").filter(pl.col("B") > 5).head(5), # 首先得到满足谓词的“B”
    pl.sum("A").over("B").head(5) # 获取“A”在“B”组上的总和，并返回前5个