编辑： 这已经在 Polars 存储库中作为错误进行了归档： https://github.com/pola-rs/polars/issues/6152 以及 VSCode Jupyter 存储库： https://github.com/microsoft/vscode-jupyter/iss...

在 polars 中是否有任何内置函数或更好的方法，可以通过定义时间分辨率（例如：天、小时、分钟）将时间持续时间转换为数字？ # Create a dataframe df = pl.DataFrame( { "from": ["2023-01-01", "2023-...

我无法使用polars数据框架和scikitlearn进行机器学习训练。 目前，我正在polars中进行所有数据框预处理，在模型训练期间将其转换为pandas数据框，以便使其运作。 是否有一种方法可以直接使用polars数据框架进行机器学习训练，而不需要将其转换为pandas数据框？

我正在将Pandas数据帧转换为Polars数据帧，但是PyArrow会抛出错误。 我的代码： import polars as pl import pandas as pd if __name__ == "__main__": with open(r"test.xlsx", ...

我需要在数据框中创建一个新列来存储处理后的值。因此，我使用了polars的apply函数来对dicoms进行一些处理，然后返回值。但是默认情况下，这个apply函数将整个列作为polars Series处理，并且它不会逐行处理。 df = df.with_columns( [...

我正在使用polars代替pandas。我对其速度和惰性计算/评估感到非常惊讶。目前，有很多关于惰性dataframe的方法，但它们只能带我走这么远。 因此，我想知道将polars与其他工具结合使用以实现更复杂的操作（例如回归/模型拟合）的最佳方法是什么。 更具体地说，我将举一个涉及线性回...

在 Pandas 中，以下代码将把 col1 中的字符串拆分成多个列。在 Polars 中是否有类似的方法？ d = {'col1': ["a/b/c/d", "a/b/c/d"]} df= pd.DataFrame(data=d) df[["a","b","c","d"]]=df["col...

在Polars中是否有类似于df.groupby().shift的等效方法？在组内使用pandas.shift()

如何比较两个极性的DataFrames的值相等性？看起来只有当这两个表是同一个对象时，==才为true： import polars as pl pl.DataFrame({"x": [1,2,3]}) == pl.DataFrame({"x": [1,2,3]}) # False

我在Polars DataFrame文档中找不到如何重新排序列的方法。 谢谢。