Polars 循环数据集中的行

Question

我正在尝试使用以下代码循环遍历 Polars 记录集：

import polars as pl

mydf = pl.DataFrame(
    {"start_date": ["2020-01-02", "2020-01-03", "2020-01-04"],
     "Name": ["John", "Joe", "James"]})

print(mydf)

│start_date  ┆ Name  │
│ ---        ┆ ---   │
│ str        ┆ str   │
╞════════════╪═══════╡
│ 2020-01-02 ┆ John  │
│ 2020-01-03 ┆ Joe   │
│ 2020-01-04 ┆ James │

for row in mydf.rows():
    print(row)

('2020-01-02', 'John')
('2020-01-03', 'Joe')
('2020-01-04', 'James')

有没有办法使用命名列而不是索引来专门引用“名称”？在 Pandas 中，这看起来像：

import pandas as pd

mydf = pd.DataFrame(
    {"start_date": ["2020-01-02", "2020-01-03", "2020-01-04"],
     "Name": ["John", "Joe", "James"]})

for index, row in mydf.iterrows():
    mydf['Name'][index]

'John'
'Joe'
'James'

Answer 1

您可以指定您希望对行进行命名

for row in mydf.rows(named=True):
    print(row)

它会给你一个字典：

{'start_date': '2020-01-02', 'Name': 'John'}
{'start_date': '2020-01-03', 'Name': 'Joe'}
{'start_date': '2020-01-04', 'Name': 'James'}

然后您可以致电

row['Name']

请注意：

• 以前的版本返回的是namedtuple而不是dict。
• 使用内存消耗较少

  iter_rows

• 总体来说不建议以这种方式迭代数据

行迭代并不是最优的，因为底层数据是以柱状形式存储的；如果可能，更喜欢通过一种专用导出/输出方法进行导出。

Answer 2

您可以使用

select

names = mydf.select(['Name'])
for row in names:
    print(row)

Answer 3

在极坐标中，带有 pl.DataFrame.iter_rows

 的 

named=True 应优先于

pl.DataFrame.rows

，因为后者将所有帧数据具体化为行列表，这可能会很昂贵。

import polars as pl


df = pl.DataFrame({
    "start_date": ["2020-01-02", "2020-01-03", "2020-01-04"],
    "name": ["John", "Joe", "James"]
})

for row in df.iter_rows(named=True):
    print(row)

{'start_date': '2020-01-02', 'name': 'John'}
{'start_date': '2020-01-03', 'name': 'Joe'}
{'start_date': '2020-01-04', 'name': 'James'}