91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
Python Polars: The Definitive Guide
Python Polars: The Definitive Guide
Jeroen Janssens, Thijs Nieuwdorp 著
陳松 譯
出版時(shí)間：2025年12月
頁(yè)數(shù)：407
“Polars已成為Python數(shù)據(jù)生態(tài)中一顆冉冉升起的新星，展現(xiàn)了新一代DataFrame庫(kù)的無(wú)限潛力。Jeroen和Thijs撰寫的這本及時(shí)而權(quán)威的指南，可幫助讀者充分挖掘Polars的強(qiáng)大功能，盡享其帶來(lái)的便利?！?br /> ——Wes McKinney
pandas創(chuàng)始人及Posit PBC首席架構(gòu)師

Polars是一款功能強(qiáng)大的Python工具包，可用于數(shù)據(jù)轉(zhuǎn)換、分析與可視化。通過(guò)這本實(shí)踐指南，Jeroen Janssens和Thijs Nieuwdorp將帶你深入探索Polars的每一項(xiàng)功能，展示如何將其應(yīng)用于數(shù)據(jù)整理、探索性數(shù)據(jù)分析、構(gòu)建數(shù)據(jù)管道等實(shí)際任務(wù)。
無(wú)論你是資深數(shù)據(jù)從業(yè)者還是數(shù)據(jù)科學(xué)新人，都能快速掌握Polars強(qiáng)大的API及其核心概念。你無(wú)須具備pandas使用經(jīng)驗(yàn)，但如果有相關(guān)基礎(chǔ)，本書將幫助你平滑過(guò)渡到Polars。書中大量實(shí)用示例和真實(shí)數(shù)據(jù)集可在GitHub上獲取，，方便你同步操作。
通過(guò)學(xué)習(xí)本書，你將能夠：
● 處理來(lái)自CSV、Parquet、電子表格、數(shù)據(jù)庫(kù)及云平臺(tái)的數(shù)據(jù)。
● 深入理解表達(dá)式——查詢的核心構(gòu)建塊。
● 處理復(fù)雜數(shù)據(jù)類型，包括文本、時(shí)間及嵌套結(jié)構(gòu)。
● 靈活運(yùn)用即時(shí)API與惰性API。
● 使用Altair、hvPlot、plotnine和Great Tables實(shí)現(xiàn)數(shù)據(jù)可視化。
● 通過(guò)自定義Python函數(shù)和Rust插件擴(kuò)展Polars功能。
● 利用GPU加速，實(shí)現(xiàn)性能突破。
  1. 序
  2. 前言
  3. 第一篇 基礎(chǔ)
  4. 第1章 Polars簡(jiǎn)介
  5. 1.1 Polars技術(shù)解析
  6. 1.1.1 核心特性
  7. 1.1.2 核心概念
  8. 1.1.3 技術(shù)優(yōu)勢(shì)
  9. 1.2 使用Polars的理由
  10. 1.2.1 性能
  11. 1.2.2 易用性
  12. 1.2.3 流行度
  13. 1.2.4 可持續(xù)性
  14. 1.3 對(duì)比Polars與其他數(shù)據(jù)處理工具
  15. 1.4 聚焦Python Polars
  16. 1.5 本書內(nèi)容結(jié)構(gòu)
  17. 1.6 ETL示例
  18. 1.6.1 數(shù)據(jù)抽取
  19. 1.6.2 附加環(huán)節(jié)：可視化街區(qū)與站點(diǎn)分布
  20. 1.6.3 數(shù)據(jù)轉(zhuǎn)換
  21. 1.6.4 附加環(huán)節(jié)：各行政區(qū)每日行程可視化
  22. 1.6.5 數(shù)據(jù)加載
  23. 1.6.6 附加環(huán)節(jié)：使用惰性求值加速計(jì)算
  24. 1.7 小結(jié)
  25. 第2章 Polars入門
  26. 2.1 配置環(huán)境
  27. 2.1.1 下載項(xiàng)目
  28. 2.1.2 安裝uv
  29. 2.1.3 安裝項(xiàng)目
  30. 2.1.4 虛擬環(huán)境操作指南
  31. 2.1.5 驗(yàn)證安裝
  32. 2.2 JupyterLab快速入門
  33. 2.3 在其他項(xiàng)目中安裝Polars
  34. 2.3.1 所有可選依賴項(xiàng)
  35. 2.3.2 數(shù)據(jù)交互依賴項(xiàng)
  36. 2.3.3 表格處理依賴項(xiàng)
  37. 2.3.4 數(shù)據(jù)庫(kù)依賴項(xiàng)
  38. 2.3.5 遠(yuǎn)程文件系統(tǒng)依賴項(xiàng)
  39. 2.3.6 其他I/O格式依賴項(xiàng)
  40. 2.3.7 擴(kuò)展功能依賴項(xiàng)
  41. 2.3.8 安裝可選依賴項(xiàng)
  42. 2.4 配置Polars
  43. 2.4.1 使用上下文管理器實(shí)現(xiàn)臨時(shí)配置
  44. 2.4.2 使用裝飾器進(jìn)行本地配置
  45. 2.5 從源碼編譯Polars
  46. 2.5.1 特殊情況：超大型數(shù)據(jù)集
  47. 2.5.2 特殊情況：不支持AVX的處理器
  48. 2.6 小結(jié)
  49. 第3章 從pandas到Polars
  50. 3.1 動(dòng)物數(shù)據(jù)集
  51. 3.2 共同之處
  52. 3.3 外觀差異
  53. 3.3.1 代碼層面的差異
  54. 3.3.2 數(shù)據(jù)展示差異
  55. 3.4 需要摒棄的概念
  56. 3.4.1 索引
  57. 3.4.2 數(shù)據(jù)軸
  58. 3.4.3 索引與切片
  59. 3.4.4 即時(shí)求值
  60. 3.4.5 寬松性
  61. 3.5 需要摒棄的語(yǔ)法
  62. 3.6 與pandas互操作
  63. 3.7 小結(jié)
  64. 第二篇 數(shù)據(jù)形態(tài)
  65. 第4章 數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)類型
  66. 4.1 Series、DataFrame與LazyFrame
  67. 4.2 數(shù)據(jù)類型
  68. 4.2.1 嵌套數(shù)據(jù)類型
  69. 4.2.2 缺失值
  70. 4.3 數(shù)據(jù)類型轉(zhuǎn)換
  71. 4.4 小結(jié)
  72. 第5章 即時(shí)API和惰性API
  73. 5.1 即時(shí)API：DataFrame
  74. 5.2 惰性API：LazyFrame
  75. 5.3 性能對(duì)比
  76. 5.4 功能差異
  77. 5.4.1 屬性
  78. 5.4.2 聚合方法
  79. 5.4.3 計(jì)算方法
  80. 5.4.4 描述方法
  81. 5.4.5 分組方法
  82. 5.4.6 導(dǎo)出方法
  83. 5.4.7 操作與選取方法
  84. 5.4.8 其他方法
  85. 5.5 技巧與竅門
  86. 5.5.1 在LazyFrame與DataFrame間轉(zhuǎn)換
  87. 5.5.2 連接DataFrame與LazyFrame
  88. 5.5.3 緩存中間結(jié)果
  89. 5.6 小結(jié)
  90. 第6章 讀取和寫入數(shù)據(jù)
  91. 6.1 格式概覽
  92. 6.2 讀取CSV文件
  93. 6.3 正確解析缺失值
  94. 6.4 讀取非UTF-8編碼文件
  95. 6.5 讀取Excel電子表格
  96. 6.6 處理多個(gè)文件
  97. 6.7 讀取Parquet文件
  98. 6.8 讀取JSON與NDJSON文件
  99. 6.8.1 JSON
  100. 6.8.2 NDJSON
  101. 6.9 其他文件格式
  102. 6.10 數(shù)據(jù)庫(kù)查詢
  103. 6.11 寫入數(shù)據(jù)
  104. 6.11.1 CSV格式
  105. 6.11.2 Excel格式
  106. 6.11.3 Parquet格式
  107. 6.11.4 其他考量
  108. 6.12 小結(jié)
  109. 第三篇 表達(dá)式
  110. 第7章 表達(dá)式入門
  111. 7.1 方法與命名空間
  112. 7.2 表達(dá)式應(yīng)用示例
  113. 7.2.1 用表達(dá)式選取列
  114. 7.2.2 用表達(dá)式創(chuàng)建新列
  115. 7.2.3 用表達(dá)式過(guò)濾行
  116. 7.2.4 用表達(dá)式進(jìn)行聚合
  117. 7.2.5 用表達(dá)式對(duì)行排序
  118. 7.3 表達(dá)式的定義
  119. 7.4 創(chuàng)建表達(dá)式
  120. 7.4.1 基于現(xiàn)有列創(chuàng)建表達(dá)式
  121. 7.4.2 通過(guò)字面值創(chuàng)建表達(dá)式
  122. 7.4.3 基于數(shù)值范圍創(chuàng)建表達(dá)式
  123. 7.4.4 通過(guò)其他函數(shù)創(chuàng)建表達(dá)式
  124. 7.5 重命名表達(dá)式
  125. 7.6 表達(dá)式屬于慣用法
  126. 7.7 小結(jié)
  127. 第8章 表達(dá)式擴(kuò)展
  128. 8.1 操作類型
  129. 8.1.1 示例A：元素級(jí)操作
  130. 8.1.2 示例B：?jiǎn)沃祬R總操作
  131. 8.1.3 示例C：多值匯總操作
  132. 8.1.4 示例D：數(shù)據(jù)擴(kuò)展操作
  133. 8.2 元素級(jí)操作
  134. 8.2.1 執(zhí)行數(shù)學(xué)變換操作
  135. 8.2.2 三角函數(shù)相關(guān)操作
  136. 8.2.3 圓整與分類操作
  137. 8.2.4 處理缺失值與無(wú)限值操作
  138. 8.2.5 其他操作
  139. 8.3 非歸約型Series級(jí)操作
  140. 8.3.1 累積型操作
  141. 8.3.2 填充與偏移操作
  142. 8.3.3 重復(fù)值相關(guān)操作
  143. 8.3.4 計(jì)算滾動(dòng)統(tǒng)計(jì)相關(guān)操作
  144. 8.3.5 排序相關(guān)操作
  145. 8.3.6 其他操作
  146. 8.4 匯總為單值的Series級(jí)操作
  147. 8.4.1 量詞操作
  148. 8.4.2 統(tǒng)計(jì)操作
  149. 8.4.3 計(jì)數(shù)操作
  150. 8.4.4 其他操作
  151. 8.5 匯總為單值或多值的Series級(jí)操作
  152. 8.5.1 唯一值相關(guān)操作
  153. 8.5.2 選取操作
  154. 8.5.3 刪除缺失值操作
  155. 8.5.4 其他操作
  156. 8.6 擴(kuò)展Series級(jí)操作
  157. 8.7 小結(jié)
  158. 第9章 表達(dá)式組合
  159. 9.1 內(nèi)聯(lián)運(yùn)算符與方法鏈?zhǔn)秸{(diào)用
  160. 9.2 算術(shù)運(yùn)算
  161. 9.3 比較運(yùn)算
  162. 9.4 布爾代數(shù)運(yùn)算
  163. 9.5 位運(yùn)算
  164. 9.6 函數(shù)應(yīng)用
  165. 9.7 小結(jié)
  166. 第四篇 轉(zhuǎn)換
  167. 第10章 列的選取與創(chuàng)建
  168. 10.1 選取列
  169. 10.1.1 選擇器入門
  170. 10.1.2 基于列名選取
  171. 10.1.3 基于數(shù)據(jù)類型選取
  172. 10.1.4 基于位置選取
  173. 10.1.5 組合選擇器
  174. 10.2 創(chuàng)建新列
  175. 10.3 列的相關(guān)操作
  176. 10.3.1 刪除列
  177. 10.3.2 重命名列
  178. 10.3.3 堆疊
  179. 10.3.4 添加行索引
  180. 10.4 小結(jié)
  181. 第11章 行的過(guò)濾與排序
  182. 11.1 行過(guò)濾
  183. 11.1.1 基于表達(dá)式進(jìn)行過(guò)濾
  184. 11.1.2 基于列名進(jìn)行過(guò)濾
  185. 11.1.3 基于約束條件進(jìn)行過(guò)濾
  186. 11.2 行排序
  187. 11.2.1 基于單列進(jìn)行排序
  188. 11.2.2 逆向排序
  189. 11.2.3 基于多列進(jìn)行排序
  190. 11.2.4 基于表達(dá)式進(jìn)行排序
  191. 11.2.5 基于嵌套數(shù)據(jù)類型進(jìn)行排序
  192. 11.3 相關(guān)行操作
  193. 11.3.1 過(guò)濾缺失值
  194. 11.3.2 切片
  195. 11.3.3 極值篩選
  196. 11.3.4 采樣
  197. 11.3.5 半連接
  198. 11.4 小結(jié)
  199. 第12章 處理文本、時(shí)間和嵌套數(shù)據(jù)類型
  200. 12.1 字符串?dāng)?shù)據(jù)類型
  201. 12.1.1 字符串方法
  202. 12.1.2 字符串示例
  203. 12.2 類別數(shù)據(jù)類型
  204. 12.2.1 類別方法
  205. 12.2.2 類別示例
  206. 12.3 枚舉數(shù)據(jù)類型
  207. 12.4 時(shí)間數(shù)據(jù)類型
  208. 12.4.1 時(shí)間方法
  209. 12.4.2 時(shí)間示例
  210. 12.5 列表數(shù)據(jù)類型
  211. 12.5.1 列表方法
  212. 12.5.2 列表示例
  213. 12.6 數(shù)組數(shù)據(jù)類型
  214. 12.6.1 數(shù)組方法
  215. 12.6.2 數(shù)組示例
  216. 12.7 結(jié)構(gòu)體數(shù)據(jù)類型
  217. 12.7.1 結(jié)構(gòu)體方法
  218. 12.7.2 結(jié)構(gòu)體示例
  219. 12.8 小結(jié)
  220. 第13章 匯總與聚合
  221. 13.1 “拆分-應(yīng)用-合并”范式
  222. 13.2 GroupBy上下文
  223. 13.2.1 統(tǒng)計(jì)概要
  224. 13.2.2 高級(jí)方法
  225. 13.3 行級(jí)聚合
  226. 13.4 選擇上下文中的窗口函數(shù)
  227. 13.5 動(dòng)態(tài)分組
  228. 13.6 滾動(dòng)聚合
  229. 13.7 上采樣
  230. 13.8 小結(jié)
  231. 第14章 連接與拼接
  232. 14.1 連接
  233. 14.1.1 連接策略
  234. 14.1.2 多列連接
  235. 14.1.3 驗(yàn)證
  236. 14.2 非精確連接
  237. 14.2.1 非精確連接策略
  238. 14.2.2 微調(diào)
  239. 14.2.3 用例：營(yíng)銷活動(dòng)歸因分析
  240. 14.3 垂直與水平拼接
  241. 14.3.1 垂直
  242. 14.3.2 水平
  243. 14.3.3 對(duì)角
  244. 14.3.4 對(duì)齊
  245. 14.3.5 寬松模式
  246. 14.3.6 堆疊
  247. 14.3.7 追加
  248. 14.3.8 擴(kuò)展
  249. 14.4 小結(jié)
  250. 第15章 重塑
  251. 15.1 寬表與長(zhǎng)表
  252. 15.2 將長(zhǎng)表轉(zhuǎn)換為寬表
  253. 15.3 反透視為長(zhǎng)表
  254. 15.4 轉(zhuǎn)置
  255. 15.5 展開
  256. 15.6 DataFrame分區(qū)
  257. 15.7 小結(jié)
  258. 第五篇 進(jìn)階
  259. 第16章 數(shù)據(jù)可視化
  260. 16.1 NYC自行車行程記錄
  261. 16.2 使用內(nèi)置的Altair進(jìn)行繪圖
  262. 16.2.1 Altair介紹
  263. 16.2.2 繪圖命名空間方法
  264. 16.2.3 DataFrame可視化
  265. 16.2.4 數(shù)據(jù)量過(guò)大的處理方案
  266. 16.2.5 繪制Series圖表
  267. 16.3 類似pandas的hvPlot繪圖
  268. 16.3.1 hvPlot介紹
  269. 16.3.2 第一個(gè)繪圖示例
  270. 16.3.3 hvPlot命名空間中的方法
  271. 16.3.4 pandas作為備用方案
  272. 16.3.5 手動(dòng)數(shù)據(jù)轉(zhuǎn)換
  273. 16.3.6 切換繪圖后端
  274. 16.3.7 繪制地圖坐標(biāo)
  275. 16.3.8 組合繪圖
  276. 16.3.9 添加交互式控件
  277. 16.4 使用plotnine創(chuàng)建出版級(jí)質(zhì)量的圖像
  278. 16.4.1 plotnine介紹
  279. 16.4.2 探索性可視化
  280. 16.4.3 圖表美化
  281. 16.5 使用Great Tables美化DataFrame
  282. 16.6 小結(jié)
  283. 第17章 擴(kuò)展Polars
  284. 17.1 使用Python自定義函數(shù)
  285. 17.1.1 將函數(shù)應(yīng)用于元素
  286. 17.1.2 將函數(shù)應(yīng)用于Series
  287. 17.1.3 將函數(shù)應(yīng)用于分組
  288. 17.1.4 將函數(shù)應(yīng)用于表達(dá)式
  289. 17.1.5 將函數(shù)應(yīng)用于DataFrame或LazyFrame
  290. 17.2 注冊(cè)自定義命名空間
  291. 17.3 基于Rust的Polars插件
  292. 17.3.1 前提條件
  293. 17.3.2 插件項(xiàng)目結(jié)構(gòu)分析
  294. 17.3.3 插件實(shí)現(xiàn)詳解
  295. 17.3.4 編譯插件
  296. 17.3.5 性能基準(zhǔn)測(cè)試
  297. 17.3.6 注冊(cè)參數(shù)
  298. 17.3.7 使用Rust庫(kù)
  299. 17.3.8 用例：geo
  300. 17.4 小結(jié)
  301. 第18章 Polars內(nèi)部原理
  302. 18.1 Polars架構(gòu)解析
  303. 18.2 Apache Arrow
  304. 18.3 多線程計(jì)算與SIMD指令集
  305. 18.4 內(nèi)存中的字符串類型
  306. 18.5 Series中的分塊數(shù)組
  307. 18.6 查詢優(yōu)化機(jī)制
  308. 18.6.1 LazyFrame掃描階段優(yōu)化
  309. 18.6.2 其他優(yōu)化
  310. 18.7 檢查表達(dá)式
  311. 18.7.1 meta命名空間概述
  312. 18.7.2 meta命名空間示例
  313. 18.8 Polars性能剖析
  314. 18.9 Polars測(cè)試
  315. 18.10 常見(jiàn)反模式
  316. 18.10.1 濫用方括號(hào)選擇列
  317. 18.10.2 誤用Collect方法
  318. 18.10.3 在Polars查詢中使用Python代碼
  319. 18.11 小結(jié)
  320. 附錄 使用GPU加速Polars
書名：Python Polars: The Definitive Guide
譯者：陳松 譯
國(guó)內(nèi)出版社：機(jī)械工業(yè)出版社
出版時(shí)間：2025年12月
頁(yè)數(shù)：407
書號(hào)：978-7-111-79290-1
原版書書名：Python Polars權(quán)威指南
原版書出版商：O'Reilly Media
Jeroen Janssens
 
Jeroen Janssens是Posit PBC公司的高級(jí)開發(fā)者關(guān)系工程師，開源技術(shù)布道者，著有Data Science at the Command Line（O'Reilly出版）。他擁有蒂爾堡大學(xué)機(jī)器學(xué)習(xí)博士學(xué)位和馬斯特里赫特大學(xué)人工智能碩士學(xué)位。
 
 
Thijs Nieuwdorp
 
Thijs Nieuwdorp是Xomnia公司的首席數(shù)據(jù)科學(xué)家。作為Polars的早期采用者與貢獻(xiàn)者，他至今仍在日常工作中使用該工具。他擅長(zhǎng)構(gòu)建高效工作流自動(dòng)化系統(tǒng)，善于從數(shù)據(jù)中挖掘戰(zhàn)略洞見(jiàn)，并通過(guò)經(jīng)驗(yàn)分享幫助同行規(guī)避常見(jiàn)陷阱，提升專業(yè)技能。
 
 
本書封面展示的是伊比利亞猞猁（學(xué)名：Lynx pardinus）。作為猞屬四個(gè)物種之一，這種珍稀動(dòng)物僅棲息于歐洲西南部的伊比利亞半島。它的皮毛呈黃褐色并帶有深色斑點(diǎn),腹部顏色較淺，耳尖與面頰處生有標(biāo)志性的黑色簇毛。這種中型貓科動(dòng)物的成年體長(zhǎng)可達(dá)81~102cm，其最顯著的特征是僅有13~15cm長(zhǎng)的短尾，這與加拿大猞等近緣物種的特征相似。
伊比利亞猞猁曾廣泛分布于西班牙與葡萄牙全境，但在20世紀(jì)后期，因盜獵猖獗、棲息地破碎化及主要食物源（歐洲兔）數(shù)量銳減，其棲息范圍縮減了約80%。至 2000年，該物種僅在西班牙南部有94只，瀕臨滅絕。通過(guò)多方努力，目前種群數(shù)量已恢復(fù)至約2000只，并成功回歸部分歷史棲息地。得益于這些保護(hù)措施，伊比利亞猞的保護(hù)等級(jí)已從“極?！闭{(diào)整為“易?！?。
購(gòu)買選項(xiàng)
定價(jià)：149.00元
書號(hào)：978-7-111-79290-1
出版社：機(jī)械工業(yè)出版社