📊 Polars vs dplyr 全面对照手册

对比 Python 的 Polars 与 R 的 dplyr 常用函数与语法。
帮助从 R 转向 Python 的分析师快速掌握 Polars。

---

🧠 一、总体概览

项目	Polars（Python）	dplyr（R）
数据结构	pl.DataFrame / pl.LazyFrame	tibble
求值方式	惰性或即时	即时
表达式风格	pl.col("x") + 1	mutate(x = x + 1)
管道	方法链或 `	`
性能	多线程 + Rust 内核	单线程（可结合 data.table）
SQL 支持	pl.SQLContext	dbplyr（翻译 SQL）

---

⚙️ 二、数据读取与基本操作

功能	dplyr / R 语法	Polars 语法
读取 CSV	read.csv("file.csv")	pl.read_csv("file.csv")
查看前几行	head(df, 5)	df.head(5)
查看后几行	tail(df, 5)	df.tail(5)
查看列名	colnames(df)	df.columns
查看维度	dim(df)	df.shape
取列	df$col	df["col"] or df.select("col")
转为 pandas	N/A	df.to_pandas()
打印概要	glimpse(df)	df.describe()

---

🧩 三、数据选择与过滤

操作	dplyr	Polars
选择列	select(df, col1, col2)	df.select(["col1", "col2"])
排除列	select(df, -col1)	df.select(pl.exclude("col1"))
重命名列	rename(df, new = old)	df.rename({"old": "new"})
筛选行	filter(df, x > 10)	df.filter(pl.col("x") > 10)
多条件筛选	filter(df, x > 10 & y == "A")	df.filter((pl.col("x") > 10) & (pl.col("y") == "A"))
排序	arrange(df, x)	df.sort("x")
降序排序	arrange(df, desc(x))	df.sort("x", descending=True)
取样	sample_n(df, 100)	df.sample(n=100)
去重	distinct(df)	df.unique()
去重（按列）	distinct(df, col1, col2)	df.unique(subset=["col1", "col2"])

---

🧮 四、列操作与衍生变量（mutate 系）

功能	dplyr	Polars
新增列	mutate(df, z = x + y)	df.with_columns((pl.col("x") + pl.col("y")).alias("z"))
修改列	mutate(df, x = x * 2)	df.with_columns((pl.col("x") * 2).alias("x"))
多列变换	mutate(across(starts_with("x"), log))	df.with_columns(pl.col("^x.*$").log())
条件赋值	mutate(df, flag = if_else(x > 0, 1, 0))	df.with_columns(pl.when(pl.col("x") > 0).then(1).otherwise(0).alias("flag"))
替换缺失	mutate(df, x = if_else(is.na(x), 0, x))	df.with_columns(pl.col("x").fill_null(0))
缺失处理	filter(!is.na(x))	df.drop_nulls(["x"])
替换值	mutate(df, x = recode(x, a=1, b=2))	df.with_columns(pl.col("x").replace({"a":1, "b":2}))
类型转换	mutate(df, x = as.numeric(x))	df.with_columns(pl.col("x").cast(pl.Float64))

---

📊 五、分组与汇总（group_by / summarise）

操作	dplyr	Polars
分组	group_by(df, g)	df.group_by("g")
汇总	summarise(df, mean_x = mean(x))	df.select(pl.col("x").mean().alias("mean_x"))
分组汇总	summarise(group_by(df, g), mean_x = mean(x))	df.group_by("g").agg(pl.col("x").mean().alias("mean_x"))
多列聚合	summarise(df, across(c(a, b), mean))	df.select(pl.col(["a","b"]).mean())
计数	count(df, g)	df.group_by("g").len()
组内排序取前几	slice_max(order_by = x, n = 1)	df.sort("x").group_by("g").head(1)

---

🔗 六、数据连接（join 系）

类型	dplyr	Polars
内连接	inner_join(df1, df2, by="id")	df1.join(df2, on="id", how="inner")
左连接	left_join(df1, df2, by="id")	df1.join(df2, on="id", how="left")
右连接	right_join(df1, df2, by="id")	df1.join(df2, on="id", how="right")
全连接	full_join(df1, df2, by="id")	df1.join(df2, on="id", how="outer")
半连接	semi_join(df1, df2, by="id")	df1.join(df2, on="id", how="semi")
反连接	anti_join(df1, df2, by="id")	df1.join(df2, on="id", how="anti")
纵向合并	bind_rows(df1, df2)	pl.concat([df1, df2])
横向合并	bind_cols(df1, df2)	pl.concat([df1, df2], how="horizontal")

---

🧩 七、数据透视与变形（pivot/melt）

操作	dplyr / tidyr	Polars
转宽表	pivot_wider(df, names_from=cat, values_from=val)	df.pivot(values="val", index="id", columns="cat")
转长表	pivot_longer(df, cols=c(a,b))	df.melt(id_vars="id", value_vars=["a","b"])
堆叠	bind_rows(df1, df2)	pl.concat([df1, df2])
展平列表列	unnest(df, col)	df.explode("col")

---

🪄 八、窗口函数与排序函数

功能	dplyr	Polars
分组内排名	mutate(rank = rank(x))	df.with_columns(pl.col("x").rank().over("g"))
滚动均值	mutate(ma = rollmean(x, 3))	df.with_columns(pl.col("x").rolling_mean(3))
滚动和	mutate(sum3 = rollsum(x, 3))	df.with_columns(pl.col("x").rolling_sum(3))
累积和	mutate(cumsum = cumsum(x))	df.with_columns(pl.col("x").cum_sum())
累积均值	mutate(cummean = cummean(x))	df.with_columns(pl.col("x").cum_mean())

---

🔤 九、字符串操作（stringr 对照）

操作	stringr / dplyr	Polars
小写	mutate(x = str_to_lower(x))	df.with_columns(pl.col("x").str.to_lowercase())
大写	mutate(x = str_to_upper(x))	df.with_columns(pl.col("x").str.to_uppercase())
子串提取	str_sub(x, 1, 3)	pl.col("x").str.slice(0, 3)
字符长度	str_length(x)	pl.col("x").str.len_bytes()
模式匹配	filter(str_detect(x, "A"))	df.filter(pl.col("x").str.contains("A"))
字符替换	mutate(x = str_replace(x, "A", "B"))	pl.col("x").str.replace("A", "B")
分割	separate(df, x, into=c("a","b"), sep="-")	pl.col("x").str.split("-") + df.explode()

---

🕒 十、日期与时间函数

操作	dplyr / lubridate	Polars
转日期	as_date(x)	pl.col("x").str.strptime(pl.Date, "%Y-%m-%d")
提取年	year(x)	pl.col("x").dt.year()
提取月	month(x)	pl.col("x").dt.month()
提取日	day(x)	pl.col("x").dt.day()
提取星期	wday(x)	pl.col("x").dt.weekday()
提取小时	hour(x)	pl.col("x").dt.hour()
加减日期	x + days(5)	pl.col("x") + pl.duration(days=5)
时间差	difftime(x, y)	(pl.col("x") - pl.col("y"))

---

🧮 十一、分组管道完整示例

dplyr 写法