Python Polars快速入门指南：Contexts 和 Expressions-CSDN博客

本文链接：https://blog.csdn.net/neweastsun/article/details/144709128

上文我们介绍了Dataframe，本文继续介绍Contexts 和 Expressions。Contexts 和 Expressions是polar独特的数据转换语法的核心组件。本文分别介绍其概念，并通过示例进行说明。

在这里插入图片描述

Contexts

Contexts 指的是计算表达式的特定环境或情况。换句话说，Contexts 是您希望对数据执行的基本操作。polar有三种主要情况：

Selection：从DataFrame中选择列
Filtering：通过提取符合指定条件的行来减小DataFrame的大小
Groupby/aggregation：计算数据子组内的汇总统计信息

你可以把上下文看作动词，把表达式看作名词。上下文决定了表达式如何计算和执行，就像动词决定了语言中名词的动作一样。要开始使用表达式和上下文，你将使用与之前相同的随机生成的数据。下面是再次创建示例DataFrame的代码：

# %%
import numpy as np
import polars as pl

num_rows = 5000
rng = np.random.default_rng(seed=7)

buildings_data = {
   
    "sqft": rng.exponential(scale=1000, size