前文已经介绍了Polars的Dataframe, Contexts 和 Expressions，本文继续介绍Polars的惰性API。惰性API是该库最强大的功能之一，使用惰性API可以设定一系列操作，而无需立即运行它们。相反，这些操作被保存为计算图，只在必要时运行。这允许Polars在执行前优化查询，在处理数据之前捕获模式错误，并在超出内存限制的数据集上执行内存高效查询。
创建LazyFrames
惰性API中的核心对象是LazyFrame，你可以通过几种不同的方式创建LazyFrame。要开始学习LazyFrames和lazy API，请看下面的例子：
import numpy as np
import polars as plnum_rows = 5000
rng = np.random.default_rng(seed=7)buildings = {"sqft": rng.exponential(scale=1000, size=num_rows),"price": rng.exponential(scale=100_000, size=num_rows),"year": rng.integers(low=1995, high=2023, size=num_rows),"building_type": rng.choice(["A", "B", "C"], size=num_rows),
}lydf = pl.LazyFrame(buildings)
# lydf = df.lazy()
lydf
还是使用前文的数据集，增加了price字段；这里调用pl.LazyFrame()从buildings中创建LazyFrame。我们也可以使用.lazy()将现有的DataFrame转换为LazyFrame。下面通过示例说明lazy API是如何工作的，查询代码如下：
lazy_query = (lydf.with_columns((pl.col("price") / pl.col("sqft")).alias("price_per_sqft")).filter(pl.col("price_per_sqft") > 100).filter(pl.col("year") < 2010)
)
lazy_query.show_graph()
可能已经注意到，惰性查询返回另一个LazyFrame，而不是实际执行查询。这就是惰性API背后的思想。它只在显式调用查询时执行查询。在执行查询之前，可以检查所谓的查询计划。查询计划查询将触发的步骤顺序，lazy_query.show_graph()显示可视化步骤流程：
vscode 环境中不能显示，可能需要安装 sudo apt install graphviz 。在polar中从下到上阅读查询计划图，每个方框对应于查询计划中的一个阶段。σ (σ)和π (π)是关系代数中的符号，它们告诉你对数据执行的操作。
了解了延迟查询要做什么之后，就可以实际执行它了。为此，在惰性查询上调用.collect()，根据查询计划对其求值。下面是它的实际效果：
(lazy_query.collect().select(pl.col(["price_per_sqft", "year"]))
)
显示结果：
shape: (1_338, 2)
price_per_sqft year
f64 i64
552.294274 2006
465.851448 1998
147.77145 2000
147.608287 2009
850.446036 2000
… …
220.480873 2005
612.279463 2003
1407.598853 2006
955.962262 1996
124.381572 1997
使用.collect()运行延迟查询时，将获得带有结果的常规polar DataFrame。由于过滤条件，仅仅获得到原始1338行。显示的所有price_per_sqft和year值分别大于124而小于154895。为了进一步验证查询是否正确过滤了数据，我们可以查看摘要统计信息：
(lazy_query.collect().select(pl.col(["price_per_sqft", "year"])).describe()
)
返回结果：
shape: (9, 3)
statistic price_per_sqft year
str f64 f64
"count" 1338.0 1338.0
"null_count" 0.0 0.0
"mean" 1197.977747 2001.893124
"std" 5821.706266 4.32589
"min" 100.357816 1995.0
"25%" 174.913631 1998.0
"50%" 299.238917 2002.0
"75%" 703.415704 2006.0
"max" 154895.785598 2009.0使用.describe()查看汇总统计信息时，可以看到最小的price_per_sqft大约是100，最大的年份是2009。现在我们对惰性API有了一定的了解，但是惰性API的优势是什么。如果整个数据集已经存储在内存中，为什么需要惰性查询来进行分析？继续阅读，看看lazy API真正的亮点在哪里。
scan LazyFrame
在实际应用程序中，在使用Python进行任何处理之前，您很可能将数据存储在外部的静态文件或数据库中。lazy API的主要超级功能之一是，支持处理存储在文件中的大型数据集，而无需将所有数据读入内存。
在处理csv之类的文件时，通常会在分析数据之前将所有数据读入内存。使用Polars的lazy API，可以通过只处理必要的数据来最小化读入内存的数据量。这使得Polars可以优化内存占用和减少计算时间。
下面示例中，使用来自data .gov的电动汽车统计数据。此数据集包含在华盛顿州注册的电动和混合动力汽车的信息。数据中的每一行表示一辆车，每一列包含有关该车的信息。我们可以手动下载该数据进行测试，通过lazy API高效处理文件的关键是使用polar的scan功能。当你扫描文件时，而不是把整个文件读入内存，Polars创建LazyFrame引用文件的数据。与前面一样，在显式执行查询之前不会对数据进行处理。使用以下代码scan electric_cars.csv：
lazy_car_data = pl.scan_csv(local_file_path)
lazy_car_datalazy_car_data.schema
{'VIN (1-10)': Utf8, 'County': Utf8, 'City': Utf8, 'State': Utf8,
'Postal Code': Int64, 'Model Year': Int64, 'Make': Utf8, 'Model': Utf8,
'Electric Vehicle Type': Utf8, 'Clean Alternative Fuel Vehicle (CAFV) Eligibility': Utf8,
'Electric Range': Int64, 'Base MSRP': Int64, 'Legislative District': Int64,
'DOL Vehicle ID': Int64, 'Vehicle Location': Utf8, 'Electric Utility': Utf8,
'2020 Census Tract': Int64}
通过使用scan_csv()创建lazy_car_data。至关重要的是，CSV文件中的数据没有存储在内存中。相反，lazy_car_data从electric_cars.csv中存储的唯一东西是lazy_car_data.schema中的模式。
这样可以查看文件的列名和它们各自的数据类型，它还可以帮助Polars优化在这些数据上运行的查询。实际上，polar必须在执行查询计划的任何步骤之前了解模式。
现在可以使用惰性API对electric_cars.csv中包含的数据运行查询。查询可以包括任意的复杂性表达式，Polars将只存储和处理必要的数据。例如运行以下查询：
lazy_car_query = (lazy_car_data.filter((pl.col("Model Year") >= 2018)).filter(pl.col("Electric Vehicle Type") == "Battery Electric Vehicle (BEV)").groupby(["State", "Make"]).agg(pl.mean("Electric Range").alias("Average Electric Range"),pl.min("Model Year").alias("Oldest Model Year"),pl.count().alias("Number of Cars"),).filter(pl.col("Average Electric Range") > 0).filter(pl.col("Number of Cars") > 5).sort(pl.col("Number of Cars"), descending=True))lazy_car_query.collect()
shape: (20, 5)
┌───────┬───────────┬────────────────────────┬───────────────────┬────────────────┐
│ State ┆ Make ┆ Average Electric Range ┆ Oldest Model Year ┆ Number of Cars │
│ --- ┆ --- ┆ --- ┆ --- ┆ --- │
│ str ┆ str ┆ f64 ┆ i64 ┆ u32 │
╞═══════╪═══════════╪════════════════════════╪═══════════════════╪════════════════╡
│ WA ┆ TESLA ┆ 89.114509 ┆ 2018 ┆ 55690 │
│ WA ┆ NISSAN ┆ 93.115056 ┆ 2018 ┆ 5267 │
│ WA ┆ CHEVROLET ┆ 111.746651 ┆ 2018 ┆ 5001 │
│ WA ┆ KIA ┆ 65.380428 ┆ 2018 ┆ 3178 │
│ … ┆ … ┆ … ┆ … ┆ … │
│ VA ┆ TESLA ┆ 139.133333 ┆ 2018 ┆ 15 │
│ MD ┆ TESLA ┆ 50.6 ┆ 2018 ┆ 10 │
│ TX ┆ TESLA ┆ 94.625 ┆ 2018 ┆ 8 │
│ NC ┆ TESLA ┆ 61.428571 ┆ 2018 ┆ 7 │
└───────┴───────────┴────────────────────────┴───────────────────┴────────────────┘
因为这是延迟查询，所以在调用lazy_car_query.collect()之前不会执行任何计算。在执行查询之后，只存储和返回所请求的数据——仅此而已。
从lazy_car_query.collect()返回的DataFrame中的每一行都包括平均续航里程、最旧的车型年份以及每个州和制造商的汽车数量。例如，第一行告诉你，华盛顿州2018年或之后有55690辆特斯拉，它们的平均续航里程约为89.11英里。
通过这个例子可以看到Polars如何使用lazy API以高性能和内存高效的方式从文件中查询数据。这个强大的API使polar比其他DataFrame库有了巨大的优势，你应该尽可能选择使用lazy API。在下一节中，您将了解polar如何与外部数据源和更广泛的Python生态系统集成。
