目录

●序1
前言3
第一篇 基础
第1章 Polars简介11
1.1 Polars技术解析12
1.1.1 核心特性12
1.1.2 核心概念12
1.1.3 技术优势13
1.2 使用Polars的理由13
1.2.1 性能13
1.2.2 易用性14
1.2.3 流行度15
1.2.4 可持续性16
1.3 对比Polars与其他数据处理工具16
1.4 聚焦Python Polars17
1.5 本书内容结构17
1.6 ETL示例18
1.6.1 数据抽取19
1.6.2 附加环节：可视化街区与站点分布23
1.6.3 数据转换26
1.6.4 附加环节：各行政区每日行程可视化31
1.6.5 数据加载32
1.6.6 附加环节：使用惰性求值加速计算33
1.7 小结36
第2章 Polars入门37
2.1 配置环境37
2.1.1 下载项目37
2.1.2 安装uv38
2.1.3 安装项目39
2.1.4 虚拟环境操作指南39
2.1.5 验证安装39
2.2 JupyterLab快速入门40
2.3 在其他项目中安装Polars42
2.3.1 所有可选依赖项43
2.3.2 数据交互依赖项43
2.3.3 表格处理依赖项43
2.3.4 数据库依赖项44
2.3.5 远程文件系统依赖项44
2.3.6 其他I/O格式依赖项44
2.3.7 扩展功能依赖项44
2.3.8 安装可选依赖项45
2.4 配置Polars45
2.4.1 使用上下文管理器实现临时配置46
2.4.2 使用装饰器进行本地配置48
2.5 从源码编译Polars48
2.5.1 特殊情况：超大型数据集49
2.5.2 特殊情况：不支持AVX的处理器49
2.6 小结50
第3章 从pandas到Polars51
3.1 动物数据集51
3.2 共同之处52
3.3 外观差异53
3.3.1 代码层面的差异53
3.3.2 数据展示差异54
3.4 需要摒弃的概念58
3.4.1 索引58
3.4.2 数据轴59
3.4.3 索引与切片60
3.4.4 即时求值62
3.4.5 宽松性64
3.5 需要摒弃的语法65
3.6 与pandas互操作69
3.7 小结70
第二篇 数据形态
第4章 数据结构和数据类型73
4.1 Series、DataFrame与LazyFrame73
4.2 数据类型75
4.2.1 嵌套数据类型77
4.2.2 缺失值78
4.3 数据类型转换83
4.4 小结85
第5章 即时API和惰性API86
5.1 即时API：DataFrame86
5.2 惰性API：LazyFrame87
5.3 性能对比88
5.4 功能差异90
5.4.1 属性90
5.4.2 聚合方法90
5.4.3 计算方法91
5.4.4 描述方法91
5.4.5 分组方法92
5.4.6 导出方法93
5.4.7 操作与选取方法93
5.4.8 其他方法95
5.5 技巧与窍门96
5.5.1 在LazyFrame与DataFrame间转换96
5.5.2 连接DataFrame与LazyFrame97
5.5.3 缓存中间结果98
5.6 小结99
……