比起 Pandas, 你更需要 Polars：详细指南(1)，2024年最新Golang开发基础培训

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Golang全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Go语言开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024b （备注go）

正文

Polars 可以通过 Python 包管理器 pip 进行安装。打开命令行界面并运行以下命令：

pip install polars

使用 Polars 中加载数据集

Polars 提供了从各种来源加载数据的便捷方法，包括 CSV 文件、Parquet 文件和 Pandas DataFrames。读取 CSV 或 parquet 文件的方法与 Pandas 库相同。

read csv file

import polars as pl
data = pl.read_csv(‘https://raw.githubusercontent.com/pycaret/pycaret/master/datasets/diamond.csv’)

check the head

data.head()

输出：

的类型是：polars.DataFrame

type(data)

polars.dataframe.frame.DataFrame

Polars 的常见数据操作函数

Polars 提供了一套全面的数据操作功能，让您可以轻松选择、过滤、排序、转换和清理数据。让我们来看一些常见的数据操作任务，以及如何使用 Polars 完成这些任务：

1. 选择和筛选数据

若要从 DataFrame 中选择特定列，可以使用 select() 该方法。下面是一个示例：

import polars as pl

Load diamond data from a CSV file

df = pl.read_csv(‘https://raw.githubusercontent.com/pycaret/pycaret/master/datasets/diamond.csv’)

Select specific columns: carat, cut, and price

selected_df = df.select([‘Carat Weight’, ‘Cut’, ‘Price’])

show selected_df head

selected_df.head()

输出：

可以使用 filter()方法根据某些条件筛选行。例如，要筛选克拉大于 1.0 的行，您可以执行以下操作：

import polars as pl

Load diamond data from a CSV file

df = pl.read_csv(‘https://raw.githubusercontent.com/pycaret/pycaret/master/datasets/diamond.csv’)

filter the df with condition

filtered_df = df.filter(pl.col(‘Carat Weight’) > 2.0)

show filtered_df head

filtered_df.head()

输出：

2. 对数据进行排序和排序

Polars 提供了基于一列或多列对 DataFrame 进行排序的方法：sort()。下面是一个示例：

import polars as pl

Load diamond data from a CSV file

df = pl.read_csv(‘https://raw.githubusercontent.com/pycaret/pycaret/master/datasets/diamond.csv’)

sort the df by price

sorted_df = df.sort(by=‘Price’)

show sorted_df head

sorted_df.head()

输出：

3. 处理缺失值

Polars 提供了处理缺失值的便捷方法。该方法允许您删除包含任何缺失值的行：drop_nulls()

import polars as pl

Load diamond data from a CSV file

df = pl.read_csv(‘https://raw.githubusercontent.com/pycaret/pycaret/master/datasets/diamond.csv’)

drop missing values

cleaned_df = df.drop_nulls()

show cleaned_df head

cleaned_df.head()

输出：

或者，可以使用 fill_nulls()方法将缺失值替换为指定的默认值或填充方法。

4. 根据特定列对数据进行分组

若要根据特定列对数据进行分组，可以使用 groupby()方法。以下示例按列 Cut对数据进行分组，并计算每个组 Price的平均值：

import polars as pl

Load diamond data from a CSV file

df = pl.read_csv(‘https://raw.githubusercontent.com/pycaret/pycaret/master/datasets/diamond.csv’)

group by cut and calc mean of price

grouped_df = df.groupby(by=‘Cut’).agg(pl.col(‘Price’).mean())

show grouped_df head

grouped_df.head()

输出：

在上面的输出中，您可以按 Cut 查看钻石的平均价格。

5. 连接和组合 DataFrame

Polars 为连接和组合数据帧提供了灵活的选项，允许您合并和连接来自不同来源的数据。若要执行联接操作，可以使用 join()方法。以下示例演示了基于公共列的两个 DataFrame 之间的内部联接：

import polars as pl

Create the first DataFrame

df1 = pl.DataFrame({
‘id’: [1, 2, 3, 4],
‘name’: [‘Alice’, ‘Bob’, ‘Charlie’, ‘David’]
})

Create the second DataFrame

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注Go）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注Go）
[外链图片转存中…(img-jrWW93LA-1713568478969)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！