polars

Polars to wydajna biblioteka DataFrame zbudowana na Apache Arrow, dostępna dla Pythona i Rusta. Pracuj z wyrażeniami, leniwą ewaluacją i zaawansowanymi operacjami na danych — filtrowanie, grupowanie, złączenia, wczytywanie CSV i Parquet. Idealna do optymalizacji potoków danych i migracji z pandas. Wyrażenia Polars opisują transformacje danych, które można łączyć i optymalizować przed wykonaniem, co daje znacznie wyższą wydajność niż tradycyjne podejścia.

1. Zainstaluj Polars za pomocą menadżera pakietów: uv pip install polars. 2. Zaimportuj bibliotekę w swoim skrypcie Pythona: import polars as pl. 3. Utwórz DataFrame, przekazując słownik z danymi — każdy klucz to nazwa kolumny, a wartości to listy danych. 4. Używaj wyrażeń do manipulacji danymi: odwołuj się do kolumn za pomocą pl.col("nazwa_kolumny"), a następnie łącz metody takie jak filtrowanie (filter), wybieranie kolumn (select) czy dodawanie nowych kolumn (with_columns). 5. Dla dużych zbiorów danych użyj leniwej ewaluacji — zamiast pl.read_csv() użyj pl.scan_csv(), który buduje plan zapytania bez natychmiastowego wczytania pliku, a następnie wywołaj .collect() aby wykonać operacje. 6. Komponuj złożone transformacje, łącząc wyrażenia w metodach takich jak group_by do agregacji danych lub join do łączenia tabel.