Rust:lees dataframe in polars van mysql

Hetzelfde antwoord als in deze vraag , lijkt nogal dubbel IMO.

U kunt daarvoor de bouwers gebruiken of verzamelen van iterators. Het verzamelen van iterators is vaak snel, maar in dit geval moet u de Vec<Country> herhalen twee keer, dus je moet benchmarken.

Hieronder staat een voorbeeldfunctie voor beide getoonde oplossingen.

use polars::prelude::*;

struct Country {
    country: String,
    count: i64,
}

fn example_1(values: &[Country]) -> (Series, Series) {
    let ca_country: Utf8Chunked = values.iter().map(|v| &*v.country).collect();
    let ca_count: NoNull<Int64Chunked> = values.iter().map(|v| v.count).collect();
    let mut s_country: Series = ca_country.into();
    let mut s_count: Series = ca_count.into_inner().into();
    s_country.rename("country");
    s_count.rename("country");
    (s_count, s_country)
}

fn example_2(values: &[Country]) -> (Series, Series) {
    let mut country_builder = Utf8ChunkedBuilder::new("country", values.len(), values.len() * 5);
    let mut count_builder = PrimitiveChunkedBuilder::<Int64Type>::new("count", values.len());

    values.iter().for_each(|v| {
        country_builder.append_value(&v.country);
        count_builder.append_value(v.count)
    });

    (
        count_builder.finish().into(),
        country_builder.finish().into(),
    )
}

Zodra je de Series . hebt , kunt u DataFrame::new(columns) . gebruiken waar columns: Vec<Series> om een ​​DataFrame te maken .

Trouwens, als je maximale prestaties wilt, raad ik connector-x echt aan . Het heeft polars en pijl-integratie en heeft waanzinnige prestaties.