Polars
DataFrame
没有索引，因此索引行为可以是一致的，而不需要
df.loc
,
df.iloc
, or a
df.at
操作。
规则如下（取决于值的数据类型）:
axis 0: 行（row）
axis 1: 列（column）
数值型 + 字符串
axis 0: 行（这里只接收数字)
axis 1: 列（接受数字+字符串值）
axis 0: 列（column）
axis 1: 报错（error）
所有表达式求值都是并行执行的
axis 0: 列（column）
axis 1: 列（column）
axis n: 列（column）
表达式也可以用于索引（它是
df.select
的语法糖）。
这可以用来做一些很有别致的选择。
pl.col("A").head(5), # 从“A”的首部开始获取
pl.col("B").tail(5).reverse(), # 以逆序的方式获取“B”的后部
pl.col("B").filter(pl.col("B") > 5).head(5), # 首先得到满足谓词的“B”
pl.sum("A").over("B").head(5) # 获取“A”在“B”组上的总和，并返回前5个
|
pandas
|
polars
|
选择列
df.iloc[2]
|
df[2, :]
|
按索引选择几行
df.iloc[[2, 5, 6]]
|
df[[2, 5, 6], :]
|
选择行的切片
df.iloc[2:6]
|
df[2:6, :]
|
使用布尔掩码（boolean mask）选择行
df.iloc[True, True, False]
|
df[[True, True, False]]
|
按谓词（predicate）条件选择行
df.loc[df["A"] > 3]
|
df[df["A"] > 3]
|
选择列的切片
df.iloc[:, 1:3]
|
df[:, 1:3]
|
按字符串顺序选择列的切片
df.loc[:, "A":"Z"]
|
df[:, "A":"Z"]
|
选择单个值（标量）
df.loc[2, "A"]
|
df[2, "A"]
|
选择单个值（标量）
df.iloc[2, 1]
|
df[2, 1]
|
选择单个值（Series或DataFrame）
df.loc[2, ["A"]]
|
df[2, ["A"]]
|
选择单个值 (Series或DataFrame)
df.iloc[2, [1]]
|
df[2, [1]]
|
