Pengenalan Polars DataFrame

Pengantar Polars

Liam Brannigan

Data Scientist and Polars Contributor

Kenali instruktur Anda

Liam Brannigan, Lead Data Scientist
Spesialis ML dan Data Engineering
Kontributor Polars

Foto profil instruktur.

Data tabular

shape: (49, 8)
| name        | type    | price | bedrooms | doubles | singles | review | beach |
| ---         | ---     | ---   | ---      | ---     | ---     | ---    | ---   |
| str         | str     | i64   | i64      | i64     | i64     | f64    | bool  |
|-------------|---------|-------|----------|---------|---------|--------|-------|
| Waves       | Cottage | 540   | 4        | 1       | 2       | 8.9    | false |
| Seashells   | Cottage | 540   | 4        | 2       | 2       | 8.7    | true  |
| Lake view   | Cottage | 714   | 3        | 1       | 4       | 9.2    | true  |
| Piran View  | null    | 775   | null     | 1       | 3       | 9.6    | false |
| Palma Villa | Cottage | 1772  | 4        | 1       | 2       | 9.6    | true  |

Gambar berdampingan: Beruang kutub berjalan di salju dan Panda di hutan.

Polars biasanya lebih cepat dari Pandas → komputasi paralel
Mode malas Polars memungkinkan kueri teroptimasi

Logo Apache Arrow dan Rust.

Apache Arrow: menyimpan data tabular di memori
Rust: bahasa cepat untuk pemrosesan data

Skema basis data untuk menggambarkan pemuatan data.

Memuat dan meninjau data

Skema basis data dan roda gigi untuk menggambarkan transformasi.

Memuat dan meninjau data
Transformasi data dan optimasi

Skema basis data, roda gigi, dan bagan untuk menggambarkan analisis.

Memuat dan meninjau data
Transformasi data dan optimasi
Analisis data

Membaca CSV

import polars as pl


rentals = pl.read_csv("vacation_rentals.csv")

Baris pertama DataFrame

rentals.head(3)

Baris pertama DataFrame rentals.

Baris pertama DataFrame

rentals.head(3)

DataFrame rentals dengan shape disorot.

Baris pertama DataFrame

rentals.head(3)

DataFrame rentals dengan kolom pertama disorot.

dtype: jenis data dalam kolom

Baris pertama DataFrame

rentals.head(3)

DataFrame rentals dengan kolom rentals disorot.

Baris terakhir DataFrame

rentals.tail()

shape: (5, 8)
| name                | type      | price | bedrooms | doubles | singles | review | beach |
| ---                 | ---       | ---   | ---      | ---     | ---     | ---    | ---   |
| str                 | str       | i64   | i64      | i64     | i64     | f64    | bool  |
|---------------------|-----------|-------|----------|---------|---------|--------|-------|
| Hengar Manor House  | Cottage   | 615   | 4        | 1       | 5       | 9.4    | false |
| Tudor Cottage Hayle | Cottage   | 489   | 3        | 2       | 3       | 8.9    | false |
| Tolcarne Apartments | Apartment | 1764  | 3        | 1       | 4       | 9.3    | true  |
| Tolcarne Apartments | Apartment | 1605  | 3        | 1       | 4       | 9.3    | true  |
| Tehidy Holiday Park | Cottage   | 637   | 4        | 2       | 4       | 9.0    | false |

Metadata DataFrame

rentals.shape

(49, 8)

rentals.columns

['name', 'type', 'price', 'bedrooms', 'doubles', 'singles', 'review', 'beach']

Skema DataFrame

rentals.schema

Schema([('name', String),
        ('type', String),
        ('price', Int64),
        ('bedrooms', Int64),
        ('doubles', Int64),
        ('singles', Int64),
        ('review', Float64),
        ('beach', Boolean)])

Meninjau DataFrame

rentals.glimpse()

Rows: 49
Columns: 8
$ name      <str> 'Waves', 'Seashells', 'Lake view', 'Piran View',...
$ type      <str> 'Cottage', 'Cottage', 'Cottage', None, 'Cottage',...
$ price     <i64> 540, 540, 714, 775, 1772, 934, 1947, 1026, 705, 863
$ bedrooms  <i64> 4, 4, 3, None, 4, 3, 4, 3, 4, 3
$ doubles   <i64> 1, 2, 1, 1, 1, 1, 1, 1, 1, 1
$ singles   <i64> 2, 2, 4, 3, 2, 4, 2, 4, 2, 2
$ review    <f64> 8.9, 8.7, 9.2, 9.6, 9.6, 8.6, 9.6, 8.6, 9.7, 9.1
$ beach    <bool> False, True, True, False, True, True, True, True, True, True

Ayo berlatih!

Pengantar Polars