Karat:Baca kerangka data dalam kutub dari mysql

Jawaban yang sama seperti di pertanyaan ini , tampaknya cukup duplikat IMO.

Anda bisa menggunakan pembangun untuk itu atau mengumpulkan dari iterator. Mengumpulkan dari iterator seringkali cepat, tetapi dalam hal ini Anda harus mengulang Vec<Country> dua kali, jadi Anda harus melakukan benchmark.

Di bawah ini adalah contoh fungsi untuk kedua solusi yang ditampilkan.

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(),
    )
}

Setelah Anda mendapatkan Series , Anda dapat menggunakan DataFrame::new(columns) di mana columns: Vec<Series> untuk membuat DataFrame .

Btw, kalau mau performa maksimal, saya sangat merekomendasikan connector-x . Ini memiliki integrasi kutub dan panah dan memiliki kinerja yang gila.