如何将指定Pandas查询转换为Polars语法？求解析列创建逻辑

转换后的Polars代码 #

import polars as pl

df = (
    df
    # 批量添加新列
    .with_columns(
        # 计算网格化纬度ll_lat
        pl.col("lat").floordiv(0.1).mul(0.1).round(1).alias("ll_lat"),
        # 计算网格化经度ll_lon
        pl.col("lon").floordiv(0.1).mul(0.1).round(1).alias("ll_lon"),
        # 生成时间桶temporalBasket
        pl.col("eventtime").cast(pl.Utf8).str.slice(0, 13).alias("temporalBasket")
    )
    # 分组聚合
    .group_by(["ll_lat", "ll_lon", "temporalBasket"])
    .agg(strikes=pl.col("lat").count())
)

列创建逻辑解析 #

1. 网格化经纬度（ll_lat/ll_lon）

• Pandas中的df['lat'] // 0.1 * 0.1对应Polars的pl.col("lat").floordiv(0.1).mul(0.1)：
  • floordiv(0.1)实现地板除法（和//行为一致），将经纬度按0.1的间隔向下取整；
  • mul(0.1)将取整后的值还原为原量级；
  • round(1)保留1位小数，确保结果格式统一；
  • 最后用alias("ll_lat")指定新列名。

2. 生成时间桶（temporalBasket）

• Pandas中的df['eventtime'].astype(str).str[:13]对应Polars的pl.col("eventtime").cast(pl.Utf8).str.slice(0, 13)：
  • cast(pl.Utf8)将时间类型转换为字符串；
  • str.slice(0, 13)截取字符串前13位（通常对应YYYY-MM-DD HH格式，实现按小时维度的时间分组）。

3. Polars列操作核心逻辑

Polars采用链式调用+表达式系统：

• 所有列操作通过with_columns批量完成，避免多次修改DataFrame（Polars默认不可变，每次操作返回新对象）；
• 基于pl.col()的表达式可以灵活组合计算逻辑，Polars会自动优化整个计算流水线，在大数据量场景下比Pandas分步赋值更高效；
• 聚合操作中pl.col("lat").count()与Pandas的('lat', 'count')逻辑完全一致，统计分组内的非空行数（这里用lat列只是作为计数载体，换成任意非空列结果相同）。

内容的提问来源于stack exchange，提问作者Curious