Polars 转换

# Polars 数据转换 关于 Polars 中连接 (Join)、拼接和重塑操作的综合指南。 ## 连接 (Joins) 连接操作基于公共列组合多个 DataFrame。 ### 基础连接类型 **内连接 (Inner Join - 交集)：** python # 仅保留两个 DataFrame 中匹配的行 result = df1.join(df2, on="id", how="inner") **左连接 (Left Join - 左侧所有 + 右侧匹配)：** python # 保留左侧所有行，添加右侧匹配行 result = df1.join(df2, on="id", how="left") **外连接 (Outer Join - 并集)：** python # 保留两个 DataFrame 中的所有行 result = df1.join(df2, on="id", how="outer") **交叉连接 (Cross Join - 笛卡尔积)：** python # 左侧每一行与右侧每一行组合 result = df1.join(df2, how="cross") **半连接 (Semi Join - 过滤左侧)：** python # 仅保留在右侧有匹配项的左侧行 result = df1.join(df2, on="id", how="semi") **反连接 (Anti Join - 非匹配左侧)：** python # 仅保留在右侧没有匹配项的左侧行 result = df1.join(df2, on="id", how="anti") ### 连接语法变体 **单列连接：** python df1.join(df2, on="id") **多列连接：** python df1.join(df2, on=["id", "date"]) **不同列名连接：** python df1.join(df2, left_on="user_id", right_on="id") **多列不同名连接：** python df1.join( df2, left_on=["user_id", "date"], right_on=["id", "timestamp"] ) ### 后缀处理 当两个 DataFrame 具有相同名称的列（非连接键）时： python # 添加后缀以区分列 result = df1.join(df2, on="id", suffix="_right") # 结果为：value, value_right (如果两者都有 "value" 列) ### 连接示例 **示例 1: 客户订单** python customers = pl.DataFrame({ "customer_id": [1, 2, 3, 4], "name": ["Alice", "Bob", "Charlie", "David"] }) orders = pl.DataFrame({ "order_id": [101, 102, 103], "customer_id": [1, 2, 1], "amount": [100, 200, 150] }) # 内连接 - 仅有订单的客户 result = customers.join(orders, on="customer_id", how="inner") # 左连接 - 所有客户，即使没有订单 result = customers.join(orders, on="customer_id", how="left") **示例 2: 时间序列数据** python prices = pl.DataFrame({ "date": ["2023-01-01", "2023-01-02", "2023-01-03"], "stock": ["AAPL", "AAPL", "AAPL"], "price": [150, 152, 151] }) volumes = pl.DataFrame({ "date": ["2023-01-01", "2023-01-02"], "stock"