Polars 的 Series

Series是Polars库中的基本数据结构之一，用于表示一维数组。以下是对Series内容的详细描述，包括使用例子：

聚合 (Aggregation)

• sum(): 计算所有值的总和。
• mean(): 计算平均值。
• max(): 找到最大值。
• min(): 找到最小值。
• count(): 计算非空值的数量。

数组操作 (Array Operations)

• arr.concat(): 连接两个Series。
• arr.slice(): 对Series进行切片。

布尔值 (Boolean)

• is_null(): 检查值是否为空。
• is_not_null(): 检查值是否非空。

类别 (Categorical)

• cat.set_ordering(): 设置分类顺序。
• cat.get_categories(): 获取分类类别。

计算 (Computations)

• apply(): 对每个元素应用一个函数。
• round(): 四舍五入。

描述性 (Descriptive)

• describe(): 提供Series的描述性统计信息。

导出 (Export)

• to_arrow(): 将Series转换为Arrow数组。
• to_pandas(): 将Series转换为Pandas Series。

列表操作 (List Operations)

• list.get(): 获取列表中的元素。
• list.concat(): 连接列表。

选择 (Selection)

• filter(): 根据条件过滤元素。
• slice(): 对Series进行切片。

操作 (Operations)

• fill_null(): 填充空值。
• drop_nulls(): 删除空值。

杂项 (Miscellaneous)

• alias(): 给Series一个别名。

Operators

• +, -, *, /: 算术运算符。

Plot

• plot(): 绘制Series的图表。

String

• str.contains(): 检查字符串是否包含子串。
• str.slice(): 对字符串进行切片。

使用例子

以下是一些使用Series的基本例子：

import polars as pl
# 创建一个Series
s = pl.Series("ages", [25, 30, 35, None])
# 聚合操作
total_age = s.sum()
average_age = s.mean()
# 数组操作
sliced_ages = s.slice(1, 3)
# 布尔值操作
null_ages = s.is_null()
# 类别操作
categories = pl.Series("categories", ["A", "B", "A", "C"]).cast(pl.Categorical)
ordered_categories = categories.cat.set_ordering("B", "A", "C")
# 计算操作
rounded_ages = s.round(0)
# 描述性统计
description = s.describe()
# 导出操作
arrow_array = s.to_arrow()
pandas_series = s.to_pandas()
# 列表操作
list_series = pl.Series("list_of_ints", [[1, 2], [3, 4], [5, 6]])
first_elements = list_series.list.get(0)
# 选择操作
filtered_ages = s.filter(s > 30)
# 操作
filled_ages = s.fill_null(0)
# 杂项
aliased_ages = s.alias("age")
# 算术运算符
doubled_ages = s * 2
# 字符串操作
string_series = pl.Series("names", ["Alice", "Bob", "Charlie"])
contains_b = string_series.str.contains("b")
# 输出结果
print(f"Total Age: {total_age}")
print(f"Average Age: {average_age}")
print(f"Sliced Ages: {sliced_ages}")
print(f"Null Ages: {null_ages}")
print(f"Ordered Categories: {ordered_categories}")
print(f"Rounded Ages: {rounded_ages}")
print(f"Description: {description}")
print(f"Arrow Array: {arrow_array}")
print(f"Pandas Series: {pandas_series}")
print(f"First Elements: {first_elements}")
print(f"Filtered Ages: {filtered_ages}")
print(f"Filled Ages: {filled_ages}")
print(f"Aliased Ages: {aliased_ages}")
print(f"Doubled Ages: {doubled_ages}")
print(f"Contains 'b': {contains_b}")

这些例子展示了如何使用Series进行各种操作，包括聚合、数组操作、布尔值处理、类别处理、计算、描述性统计、导出、列表操作、选择、填充空值、别名设置、算术运算和字符串操作。通过这些操作，可以有效地处理和分析一维数据。