问题标签 [rust-polars]

在 Pandas 中，我可以自己指定分类类型的级别：

这意味着

1. 我可以确保不同的列和集合使用相同的 dtype
2. 我可以指定级别的排序。

有没有办法用 Polars 做到这一点？我知道您可以使用字符串缓存功能以不同的方式实现 1)，但是如果可以直接指定我的 dtype/levels，我很感兴趣。我不知道有什么方法可以实现 2)，但是我认为 Arrow 中的分类 dtypes 确实允许可选排序，所以也许有可能？

我正在尝试使用极坐标将另一个库中的函数应用于输入的每一行。我找不到任何使用 Expr 应用函数的示例或测试，即使它有一个返回值；所以我迷路了。

它采用具有两个浮点列的输入数据框，并尝试附加由具有此形式的函数生成的三列：

有没有一种简单的方法可以做到这一点？

在polars-py中，我可以这样做：

但是在polars-rs中，我怎么能做同样的过滤呢？

我在哪里可以找到一些关于 rust 中的 Expr 的文档？关于polars-rs的例子很少。

• Q1：在 polars-rust 中，当你这样做时 gourpby.agg，我们可以head(10)用来获取 col 中的前 10 个元素。但是，如果组的长度不同，并且我需要获取20%每个组中的第一个元素，例如 120 个元素组中的 0-24 个元素。如何使它工作？

• Q2：使用如下数据框示例，我的目标是循环数据框。因为 polars 是主要列，所以我将 df 向下转换为 serval ChunkedArrays 并通过 iter().zip() 进行迭代。我发现它比 goupby(col("date")) 之后的相同操作更快，它是循环一些列表元素。那个怎么样？在我看来，在 groupby 之后 df 的长度更短，这意味着更短的循环。

在 Polars-python 中，我可以做这个懒惰的动作，它花费大约 17 毫秒，几乎与急切版本的时间相同。数据有 100000 行。

数据样本：

但是在 Polars-rust 中，为什么惰性操作（基于发布模式）更慢？

这是打印输出

似乎 Polars-rust 中的 groupby.agg(non-lazy) 不能像 python 一样做同样的事情(complex expr)？

对于来自 DataFrame 列的 Series，如何将其转换为 f64 Series 或 f64 ChunkedArray？好像.apply_cast_numeric(|v| v as f64)失败了