polars.DataFrame.rows

DataFrame.rows(
    *,
    named: bool = False,
) → list[tuple[Any, ...]] | list[dict[str, Any]]

Возвращает все данные DataFrame в виде списка строк, содержащих значения в типах Python.

По умолчанию каждая строка возвращается в виде кортежа значений в том же порядке, что и столбцы фрейма. Если установить named=True, вместо этого строки будут возвращены в виде словарей.

Параметры:

named

Возвращать словари вместо кортежей. Словари содержат пары «имя столбца — значение в строке». Это требует больше ресурсов, чем возврат обычного кортежа, но позволяет обращаться к значениям по именам столбцов.

Возвращает:

list of row value tuples (default), or list of dictionaries (if named=True).

Предупреждение

Итерация по строкам не оптимальна, поскольку данные хранятся в столбцовом формате; по возможности используйте один из специализированных методов экспорта/вывода. Также рассмотрите возможность использования iter_rows, чтобы не материализовать все данные сразу: разница в производительности между этими способами невелика, но обработка строк пакетами может снизить пиковое потребление памяти.

См. также

iter_rows

Итератор строк данных фрейма (не материализует все строки).

rows_by_key

Материализует данные фрейма в виде словаря с индексами-ключами.

Примечания

Если у вас есть временные значения с точностью ns, следует учитывать, что Python изначально поддерживает точность только до μs; при преобразовании в Python значения с точностью ns будут усечены до микросекунд. Если это важно для вашего случая использования, экспортируйте данные в другой формат (например, Arrow или NumPy).

Примеры

>>> df = pl.DataFrame(
...     {
...         "x": ["a", "b", "b", "a"],
...         "y": [1, 2, 3, 4],
...         "z": [0, 3, 6, 9],
...     }
... )
>>> df.rows()
[('a', 1, 0), ('b', 2, 3), ('b', 3, 6), ('a', 4, 9)]
>>> df.rows(named=True)
[{'x': 'a', 'y': 1, 'z': 0},
 {'x': 'b', 'y': 2, 'z': 3},
 {'x': 'b', 'y': 3, 'z': 6},
 {'x': 'a', 'y': 4, 'z': 9}]