polars.DataFrame.drop_in_place

DataFrame.drop_in_place(name: str) → Series

功能：删除指定列，并返回删除的列。

df = pl.DataFrame(
    {
        "foo": [1, 2, 3],
        "bar": [6, 7, 8],
        "ham": ["a", "b", "c"],
    }
)
df.drop_in_place("ham")
# shape: (3,)
# Series: 'ham' [str]
# [
#     "a"
#     "b"
#     "c"
# ]

polars.DataFrame.drop_nulls

DataFrame.drop_nulls(
subset: ColumnNameOrSelector | Collection[ColumnNameOrSelector] | None = None,
) → DataFrame

功能：删除所有包含null值的行，其余行按原始顺序保留。

参数：subset用于指定列名。默认为None，使用所有列。

df = pl.DataFrame(
    {
        "foo": [1, 2, 3],
        "bar": [6, None, 8],
        "ham": ["a", "b", None],
    }
)

df.drop_nulls()
# shape: (1, 3)
# ┌─────┬─────┬─────┐
# │ foo ┆ bar ┆ ham │
# │ --- ┆ --- ┆ --- │
# │ i64 ┆ i64 ┆ str │
# ╞═════╪═════╪═════╡
# │ 1   ┆ 6   ┆ a   │
# └─────┴─────┴─────┘

import polars.selectors as cs
df.drop_nulls(subset=cs.integer())
# shape: (2, 3)
# ┌─────┬─────┬──────┐
# │ foo ┆ bar ┆ ham  │
# │ --- ┆ --- ┆ ---  │
# │ i64 ┆ i64 ┆ str  │
# ╞═════╪═════╪══════╡
# │ 1   ┆ 6   ┆ a    │
# │ 3   ┆ 8   ┆ null │
# └─────┴─────┴──────┘

polars.DataFrame.explode

DataFrame.explode(
columns: str | Expr | Sequence[str | Expr],
*more_columns: str | Expr,
) → DataFrame

功能：炸开指定的列。

参数：

• columns：列名。要炸开的列必须是List或Array类型。
• *more_columns：要分解的其他列名称。

df = pl.DataFrame(
    {
        "letters": ["a", "a", "b", "c"],
        "numbers": [[1], [2, 3], [4, 5], [6, 7, 8]],
    }
)
df
# shape: (4, 2)
# ┌─────────┬───────────┐
# │ letters ┆ numbers   │
# │ ---     ┆ ---       │
# │ str     ┆ list[i64] │
# ╞═════════╪═══════════╡
# │ a       ┆ [1]       │
# │ a       ┆ [2, 3]    │
# │ b       ┆ [4, 5]    │
# │ c       ┆ [6, 7, 8] │
# └─────────┴───────────┘

df.explode("numbers")
# shape: (8, 2)
# ┌─────────┬─────────┐
# │ letters ┆ numbers │
# │ ---     ┆ ---     │
# │ str     ┆ i64     │
# ╞═════════╪═════════╡
# │ a       ┆ 1       │
# │ a       ┆ 2       │
# │ a       ┆ 3       │
# │ b       ┆ 4       │
# │ b       ┆ 5       │
# │ c       ┆ 6       │
# │ c       ┆ 7       │
# │ c       ┆ 8       │
# └─────────┴─────────┘

polars.DataFrame.extend

DataFrame.extend(
other: DataFrame,
) → DataFrame[source]

功能：拓展DataFrame。

注意：此方法就地修改DataFrame，返回DataFrame只是为了方便。

df1 = pl.DataFrame({"foo": [1, 2, 3], "bar": [4, 5, 6]})
df2 = pl.DataFrame({"foo": [10, 20, 30], "bar": [40, 50, 60]})
df1.extend(df2)
# shape: (6, 2)
# ┌─────┬─────┐
# │ foo ┆ bar │
# │ --- ┆ --- │
# │ i64 ┆ i64 │
# ╞═════╪═════╡
# │ 1   ┆ 4   │
# │ 2   ┆ 5   │
# │ 3   ┆ 6   │
# │ 10  ┆ 40  │
# │ 20  ┆ 50  │
# │ 30  ┆ 60  │
# └─────┴─────┘

polars.DataFrame.fill_nan

DataFrame.fill_nan(value: Expr | int | float | None) → DataFrame

功能：使用指定的值替换浮点数NaN的值。

注意：和
polars.DataFrame.fill_null()区分。

df = pl.DataFrame(
    {
        "a": [1.5, 2, float("nan"), 4],
        "b": [0.5, 4, float("nan"), 13],
    }
)
df.fill_nan(99)
# shape: (4, 2)
# ┌──────┬──────┐
# │ a    ┆ b    │
# │ ---  ┆ ---  │
# │ f64  ┆ f64  │
# ╞══════╪══════╡
# │ 1.5  ┆ 0.5  │
# │ 2.0  ┆ 4.0  │
# │ 99.0 ┆ 99.0 │
# │ 4.0  ┆ 13.0 │
# └──────┴──────┘

polars.DataFrame.fill_null

DataFrame.fill_null(
value: Any | Expr | None = None,
strategy: FillNullStrategy | None = None,
limit: int | None = None,
*,
matches_supertype: bool = True,
) → DataFrame

功能：使用指定的值或策略填充null值。

value：

• value：指定值。
• strategy：策略，支持{None, ‘forward’, ‘backward’, ‘min’, ‘max’, ‘mean’, ‘zero’, ‘one’}。
• limit：使用“正向”或“反向”策略时要填充的连续 null 值的数量。