import polars as pl
df = pl.DataFrame(
{
"X": [4, 2, 3, 4],
"Y": ["p", "p", "p", "p"],
"Z": ["b", "b", "b", "b"],
}
)
We know the equivalent of pandas's df.drop_duplicates() is df.unique() in python-polars
但是，每次我执行我的查询，我得到一个不同的结果？
print(df.unique())
X Y Z
i64 str str
3 "p" "b"
2 "p" "b"
4 "p" "b"
X Y Z
i64 str str
4 "p" "b"
2 "p" "b"
3 "p" "b"
X Y Z
i64 str str
2 "p" "b"
3 "p" "b"
4 "p" "b"
这是故意的吗？背后的原因是什么？
如果您需要一致的行为，请执行以下操作:
df.unique(maintain_order=True)
100
maintain_order个
保持与原始DataFrame相同的顺序.这是更昂贵的计算.将此项设置为True会阻止在流引擎上运行的可能性.
维护顺序不是流友好的，因为它需要将内存中的所有块放在一起来比较行的顺序.
通过更改默认设置，开发人员希望确保Polars准备好处理所有大小的数据集，同时允许用户根据需要 Select 不同的行为.
一个相关点是 Select 将每个复制组中的哪一行保留为unique.在Pandas中，这默认 for each 重复组的第一行.在极点中，默认设置为any，因为这也允许进行更多优化.
具有此行为的其他函数包括:
1.group_by(维护顺序:bool=FALSE)
2.partition_by(维护顺序:布尔值=真)
3.pivot(维护顺序:布尔值=真)
4.upsample(维护顺序:bool=FALSE)
@LiamBrannigan在这里发表详细文章:https://www.rhosignal.com/posts/polars-ordering/