operations

# Polars 操作参考手册 本参考手册涵盖了所有常见的 Polars 操作及详尽示例。 ## 选择操作 ### 选择列 **基础选择：** python # 选择特定列 df.select("name", "age", "city") # 使用表达式 df.select(pl.col("name"), pl.col("age")) **基于模式的选择：** python # 所有以 "sales_" 开头的列 df.select(pl.col("^sales_.*$")) # 所有数值列 df.select(pl.col(pl.NUMERIC_DTYPES)) # 除特定列外的所有列 df.select(pl.all().exclude("id", "timestamp")) **计算列：** python df.select( "name", (pl.col("age") * 12).alias("age_in_months"), (pl.col("salary") * 1.1).alias("salary_after_raise") ) ### With Columns (添加/修改) 添加新列或修改现有列，同时保留所有其他列： python # 添加新列 df.with_columns( age_doubled=pl.col("age") * 2, full_name=pl.col("first_name") + " " + pl.col("last_name") ) # 修改现有列 df.with_columns( pl.col("name").str.to_uppercase().alias("name"), pl.col("salary").cast(pl.Float64).alias("salary") ) # 并行执行多个操作 df.with_columns( pl.col("value") * 10, pl.col("value") * 100, pl.col("value") * 1000, ) ## 过滤操作 ### 基础过滤 python # 单条件 df.filter(pl.col("age") > 25) # 多条件 (AND) df.filter( pl.col("age") > 25, pl.col("city") == "NY" ) # OR 条件 df.filter( (pl.col("age") > 30) | (pl.col("salary") > 100000) ) # NOT 条件 df.filter(~pl.col("active")) df.filter(pl.col("city") != "NY") ### 高级过滤 **字符串操作：** python # 包含子字符串 df.filter(pl.col("name").str.contains("John")) # 以...开头 df.filter(pl.col("email").str.starts_with("admin")) # 正则匹配 df.filter(pl.col("phone").str.contains(r"^d{3}-d{3}-d{4}$")) **成员资格检查：** python # 在列表中 df.filter(pl.col("city").is_in(["NY", "LA", "SF"])) # 不在列表中 df.filter(~pl.col("status").is_in(["inactive", "deleted"])) **范围过滤：** python # 值之间 df.filter(pl.col("age").is_between(25, 35)) # 日期范围 df.filter( pl.col("date") >= pl.date(2023, 1, 1), pl.col("date") <= pl.date(2023, 12, 31) ) **空值过滤：** python # 过滤掉空值 df.filter(pl.col("value").is_not_null()) # 仅保留空值 df.filter(pl.col("value").is_null()) ## 分组与聚合 ### 基础