Polars实现类似df.query()的方法

Polars 虽然没有 pandas 那样的 `.query()` 字符串式查询方法，但通过 `filter()` 结合 `pl.col()` 等声明式表达式，不仅能精准、高效地实现同等筛选功能，还具备更强的类型安全性、编译时可验证性以及卓越的运行性能；其显式语法消除了字符串解析的歧义与开销，支持链式组合、变量直用和谓词下推优化，让数据过滤既清晰可控又极速轻量——这不仅是语法替代，更是向更可靠、更函数式的数据处理范式的升级。

Polars 没有 .query() 方法，但可通过 filter() 配合表达式（如 pl.col()）高效、清晰地实现相同的数据筛选逻辑，语法更显式、类型安全且性能更优。

Polars 没有 `.query()` 方法，但可通过 `filter()` 配合表达式（如 `pl.col()`）高效、清晰地实现相同的数据筛选逻辑，语法更显式、类型安全且性能更优。

在 Pandas 中，df.query("B >= @item") 是一种基于字符串的动态过滤方式，支持变量插值（@item）和类 SQL 语法，简洁易读。然而 Polars 的设计理念强调显式性、编译时可验证性与零拷贝计算，因此不提供字符串解析型查询接口——而是用 声明式表达式（Expression API） 取代。

✅ 正确等效写法如下：

import polars as pl
import numpy as np

data = {
    'A': ["Polars", "Python", "Pandas"],
    'B': [23000, 24000, 26000],
    'C': ['30days', '40days', None],  # 注意：Polars 中用 None 代替 np.nan
}
df = pl.DataFrame(data)

item = 24000
result = df.filter(pl.col("B") >= item)
print(result)

输出：

shape: (2, 3)
┌────────┬───────┬────────┐
│ A      ┆ B     ┆ C      │
│ ---    ┆ ---   ┆ ---    │
│ str    ┆ i64   ┆ str    │
╞════════╪═══════╪════════╡
│ Python ┆ 24000 ┆ 40days │
│ Pandas ┆ 26000 ┆ null   │
└────────┴───────┴────────┘

? 关键要点解析：

• pl.col("B") 创建一个指向列 "B" 的惰性表达式，支持所有比较、算术、逻辑及字符串操作；
• >= item 中的 item 是普通 Python 变量，无需 @ 前缀——Polars 自动识别并广播标量值；
• filter() 接收布尔表达式（返回 Expr 或 Series），仅保留 True 对应行，语义明确，无歧义；
• 支持链式组合：df.filter((pl.col("B") >= item) & (pl.col("A").str.starts_with("P")))；
• 若需复用复杂条件，可提前定义表达式变量，提升可读性与可维护性：

condition = (pl.col("B") >= item) & pl.col("C").is_not_null()
result = df.filter(condition)

⚠️ 注意事项：

• ❌ 不要尝试 df.filter("B >= @item") —— 字符串形式会报错，Polars 不解析 SQL 式字符串；
• ✅ None 在 Polars 中表示缺失值（对应 null），而 np.nan 会被自动转为 null，但建议直接使用 None 保持一致性；
• ? filter() 等价于 Pandas 的 df.loc[...] 或 df.query(...) 的布尔筛选语义，不是 df.query() 的语法糖，而是更底层、更可控的原语；
• ? 表达式在执行前被优化（如谓词下推、列裁剪），因此 filter() 在大数据集上通常比 Pandas query() 更快、内存更友好。

总结：放弃对 .query() 的依赖，拥抱 filter() + pl.col() 组合——它更安全、更快速、更符合 Polars 的函数式数据流哲学。每一次显式列引用，都是对代码可维护性与执行确定性的投资。

以上就是《Polars实现类似df.query()的方法》的详细内容，更多关于的资料请关注golang学习网公众号！