コンテンツにスキップ

Polars - 高速 DataFrame ライブラリチートシート

Polars - 高速 DataFrame ライブラリチートシート

Polarsは Rust で書かれた高性能のDataFrame ライブラリで、Python、R、Node バインディングを持つ。デフォルトではマルチスレッド、Apache Arrow列メモリ上に構築され、クエリオプティマイザを持つ遅延APIを提供する。大規模データセットでは通常、pandas より何倍も高速で、メモリを使用しながら、その式API はより明確に構成される。2026年の新しいデータ作業のデフォルト推奨になった。

インストール

方法	コマンド
pip	`pip install polars`
uv	`uv add polars`
エクストラ付き	`pip install "polars[all]"` (excel、database、plotting)
確認	`python -c "import polars as pl; print(pl.__version__)"`

読み込みと書き込み

操作	コード
CSV	`pl.read_csv("data.csv")`
Parquet	`pl.read_parquet("data.parquet")`
JSON	`pl.read_json("data.json")`
データベース	`pl.read_database(query, connection)`
遅延 CSV	`pl.scan_csv("data.csv")` (遅延)
遅延 Parquet	`pl.scan_parquet("*.parquet")`
書き込み	`df.write_parquet("out.parquet")`

イーガー vs 遅延 (鍵となるアイデア)

import polars as pl

# イーガー：すぐに実行
df = pl.read_csv("sales.csv")
result = df.filter(pl.col("amount") > 100).group_by("region").agg(pl.col("amount").sum())

# 遅延：計画を構築し、最適化してから .collect() で実行
result = (
    pl.scan_csv("sales.csv")
      .filter(pl.col("amount") > 100)
      .group_by("region")
      .agg(pl.col("amount").sum())
      .collect()
)

遅延モードにより、オプティマイザがフィルタをスキャンに下げ、必要な列のみを読み込むことができる — 大きなファイルで大きなスピードアップ。実際のワークロードのために scan_* + .collect() を選択。

式 (コアAPI)

式	行うこと
`pl.col("x")`	列を参照
`pl.col("x").sum()`	集約
`pl.col("x").alias("y")`	出力を名前変更
`pl.col("*")`	すべての列
`pl.lit(5)`	リテラル値
`pl.when(cond).then(a).otherwise(b)`	条件付き

選択とフィルタリング

タスク	コード
列を選択	`df.select("a", "b")`
計算列	`df.with_columns((pl.col("a") * 2).alias("a2"))`
行をフィルター	`df.filter(pl.col("a") > 10)`
複数の条件	`df.filter((pl.col("a") > 10) & (pl.col("b") == "x"))`
Head/tail	`df.head(10)`、`df.tail(10)`
ソート	`df.sort("a", descending=True)`
ユニーク	`df.unique(subset=["a"])`

集約とグループ化

(df.group_by("region")
   .agg(
       pl.col("amount").sum().alias("total"),
       pl.col("amount").mean().alias("avg"),
       pl.col("order_id").n_unique().alias("orders"),
   ))

集約	式
合計/平均/最小/最大	`.sum()`、`.mean()`、`.min()`、`.max()`
カウント	`.count()`、`.n_unique()`
最初/最後	`.first()`、`.last()`
パーセンタイル	`.quantile(0.95)`
リスト収集	`.implode()`

結合

タイプ	コード
内部	`a.join(b, on="id")`
左	`a.join(b, on="id", how="left")`
外側	`a.join(b, on="id", how="full")`
アンチ	`a.join(b, on="id", how="anti")`
セミ	`a.join(b, on="id", how="semi")`
As-of (時間)	`a.join_asof(b, on="ts")`

文字列、日付、リスト

ネームスペース	例
`.str`	`pl.col("s").str.to_uppercase()`、`.str.contains("x")`
`.dt`	`pl.col("t").dt.year()`、`.dt.truncate("1h")`
`.list`	`pl.col("l").list.len()`、`.list.first()`
`.cast`	`pl.col("a").cast(pl.Int64)`

相互運用性

ターゲット	コード
pandas	`df.to_pandas()` / `pl.from_pandas(pdf)`
Arrow	`df.to_arrow()`
NumPy	`df.to_numpy()`
DuckDB	DuckDB から直接 Polars フレームをクエリ

Polars vs pandas

側面	Polars	pandas
エンジン	Rust、マルチスレッド	Python/C、ほぼシングルスレッド
メモリ	Arrow列	NumPy-backed
遅延オプティマイザ	はい	いいえ
API	式ベース、構成可能	インデックス中心
エコシステム	急速に成長	膨大、成熟

SQL-最初の分析のためにDuckDBと組み合わせ；pandasはエコシステム幅のために価値が残る。

リソース