如何判断Polars DataFrame是视图还是拥有自身数据？

嘿，刚好我对这个问题挺熟悉的！你想判断Polars DataFrame是视图（引用其他数据的内存）还是拥有自身数据，其实和NumPy的思路很像，Polars也提供了对应的内置属性来检查，我给你一步步讲清楚：

1. 先从单个Series入手 #

Polars里的Series和NumPy数组一样，自带flags.owndata属性，能直接判断该系列是否拥有自己的内存空间。举个实际例子：

import polars as pl

# 创建原始DataFrame
df = pl.DataFrame({"col1": [1, 2, 3], "col2": [4, 5, 6]})

# 取一列作为视图（只是引用原始数据，不占新内存）
col_view = df["col1"]

# 检查是否拥有数据
print(df["col1"].flags.owndata)  # 输出True，原始列拥有自己的内存
print(col_view.flags.owndata)     # 输出False，这是一个引用原始数据的视图

2. 检查整个DataFrame的状态 #

因为DataFrame是多个Series的集合，要判断整个DataFrame是否所有列都拥有自身数据，我们可以遍历所有列来统一检查：

def is_dataframe_owned(df: pl.DataFrame) -> bool:
    # 遍历所有列，只有当每一列都拥有数据时才返回True
    return all(column.flags.owndata for column in df.get_columns())

# 测试案例
original_df = pl.DataFrame({"a": [10, 20, 30], "b": [40, 50, 60]})
view_df = original_df.select("a")  # 通过select创建的是视图

print(is_dataframe_owned(original_df))  # 输出True，原始DataFrame所有列都有自己的数据
print(is_dataframe_owned(view_df))      # 输出False，这个DataFrame里的列是视图

3. 小技巧：把视图转成拥有自身数据的DataFrame #

如果需要把视图转换成真正拥有独立内存的DataFrame，直接用clone()方法就可以，它会把数据复制到新的内存空间里：

owned_df = view_df.clone()
print(is_dataframe_owned(owned_df))  # 输出True，现在这个DataFrame拥有自己的数据了

备注：内容来源于stack exchange，提问作者lxlxlx