关于Polars的讨论中,我们收到的一个评论是Polars的语法鼓励人们改掉在Pandas中养成的坏习惯。
以.apply(或.applymap)函数为例。我看到很多人在Kaggle数据科学竞赛中使用这个函数,尽管这并不是个好主意。
在下面这个例子中,我们想要将所有列中的正值映射为1,负值映射为-1。
在Polars中使用标准的pl.when方法比Pandas中的apply方法快100倍
在这两个库中,这个示例问题都有进一步优化的空间!
import polars as pl
import numpy as np
# Create a random DataFrame
N = 100_000
dfNumeric = pl.DataFrame(np.random.standard_normal((N,100)))
dfp = dfNumeric.to_pandas()
# Set values to 1 when they are positive and 0 otherwise
(
dfp
.applymap(lambda x: 1 if x > 0 else 0)
)
# Time: 2.5 seconds
(
dfNumeric
.with_columns(
[
pl.when(pl.col(col) > 0).then(1).otherwise(0).alias(col) for col in df.columns
]
)
)
# Time: 30 milliseconds
在Polars中,表达式上下文中的pl .when().then().otherwise()
链式调用是条件表达式的一部分,用于在数据帧(DataFrame)的列上执行条件逻辑。其返回一个新的表达式或列,该表达式或列可以包含在更大的数据帧操作中。在实际应用中,你可以使用多个 .when().then()
链来创建更复杂的条件逻辑。
链式的 when-then
操作类似于Python中的if, elif, ... elif
代码块。
由于:
Polars
的条件表达式是懒惰的,这意味着它们只在数据被实际请求时执行。在处理大型数据集时,延迟执行和内部优化可以显著提高性能。- 相比于 Pandas,
Polars
的条件表达式通常具有更好的性能和内存使用效率,尤其是在处理大型数据集时。
我逐渐远离了.apply函数。
在Pandas中,我曾经相当频繁地使用.apply,但在Polars中,我唯一一次使用.apply是在写文档时,告诉人们不要使用.apply!