| df.get_column_index(name: &str) -> Option<usize> | 根据name，返回Series对应的索引 |
| df.column(name: &str) -> Result<&Series, PolarsError> | 根据列名返回Series引用 |
| df.select_at_idx(idx: usize) -> Option<&Series> | 根据索引返回对应Series的引用 |
| df.select_by_range(range: R) -> Result<DataFrame, PolarsError> | 根据Range返回新的dataframe |
| df.columns(&self, names: I) -> Result<Vec<&Series>, PolarsError> | let sv: Vec<&Series> = df.columns(["类别", "薪水"])?; 返回Vec<&Series> |
| df.select(&self, selection: I) -> Result<DataFrame, PolarsError> | df.select(["类别", "薪水"])返回新的DataFrame |
| df.get_columns() -> &[Series] | 返回所有列的切片 |
| df.take_columns() -> Vec<Series> | 获得所有列的所有权 |
| df.get_column_names() -> Vec<&PlSmallStr> | 所有列名的引用 |
| df.get_column_names_owned(&self) -> Vec<PlSmallStr> | clone并返回所有列名，所有权。 |
| df.set_column_names (names: I) | 设置列名 |
| df.dtypes() -> Vec<DataType> | 返回每个字段的类型 |
| df.filter(mask: &ChunkedArray<BooleanType>) -> Result<DataFrame, PolarsError> | mask的每一个元素代表一行，筛选出mask==true的行。 |
| df.take(indices: &ChunkedArray<UInt32Type>) -> Result<DataFrame, PolarsError> | 返回指定索引的行。 let idx = IdxCa::new("idx".into(), [0, 1, 9]); df.take(&idx) |
| df.slice(offset: i64, length: usize) -> DataFrame | 返回切片指定的行。 |
| df.rename(oldname:&str,newname:PlSmallStr) -> Result<&mut DataFrame, PolarsError> | 重命名字段，df.rename("oldname", "newname".into()) |
| df.sort_in_place(by: impl IntoVec<PlSmallStr>,sort_options) -> Result<&mut DataFrame, PolarsError> | 就地排序df，df就保存了排序结果，df.sort(["col1","col2"], Default::default()) |
| df.sort (by: impl IntoVec<PlSmallStr>,sort_options) -> Result<DataFrame, PolarsError> | 排序df，返回排序后新的Dataframe，原变量不变。 |
| df.replace(column: &str,new_col: S) -> Result<&mut DataFrame, PolarsError> | 替换指定column为新的Series。传入的new_col的name会被赋值为指定的名称 |
| df.with_column(new_col: IntoSeries) | df中添加一列，如果new_col的name已经存在，那么覆盖旧值 |
| df.insert_column(index: usize,column: S) | 在指定索引处插入column |
| df.hstack_mut(columns: &[Series]) | df中添加多列，改变df |
| df.hstack(columns: &[Series]) | df中添加多列，返回新的dataframe |
| df.get(idx) -> Option<Vec<AnyValue<'_>>> | 返回指定行。效率低下 |
| df.with_row_index_mut (name: PlSmallStr, offset: Option) -> -> &mut DataFrame | 在指定offset索引位置添加索引列，列名name。 |
| df.schema() -> Schema<DataType> | 获取Dataframe的结构，包含字段名和字段类型。 |
| df.fields() -> Vec<Field> | 返回字段信息 |
| df. estimated_size() | 获取堆内存占用，字节为单位。 |
| df.explode(columns: I) -> Result<DataFrame, PolarsError> | 将list Series解包。见 字符串分割到多行 |
| df.unnest(cols) | 解包struct到多列. See 字符串分割到多列 |
| df.group_by(["col1","col2"…]) | 分组 |
| df.iter() | 创建按列迭代器 |
| df.shape() | 返回(height, width) |
| df.height() | 返回高度 |
| df.width() | 返回宽度 |
| df.clear() | 清空dataframe |
| df.is_empty()->Dataframe是否为空 | |
| df.vstack(&self, other: &DataFrame) | 将两个dataframe对应字段连接到一起，返回新的dataframe。other和df的字段顺序、类型、列名必须严格一致。建议在完成vstack操作后调用DataFrame::align_chunks。 |
| df.vstack_mut() 同vstack，vstack_mut修改df本身，而不是返回新dataframe。 | |
| df.pop() | 弹出最后一个字段，并返回被弹出的Series |
| df.drop_in_place(name: &str) | 弹出指定字段并返回被弹出的Series |
| df.drop(name: &str) | 返回一个新的dataframe，其中指定的字段被删除。 |
| df.drop_many(names: I) | 删除多个字段，返回一个新的dataframe，其中指定的字段被删除。 |
| df.split_at(offset: i64) -> (DataFrame, DataFrame) | 指定行索引处分割 |
| df.head(length: Option<usize>) | 返回新的dataframe，包含df的头length行。 |
| df.tail(length: Option<usize>) | 返回新的dataframe，包含df的最后length行。 |
| df.unique | 清除重复行，无法保留原顺序 |
| df.unique_stable | 清除重复行，保证原顺序， |
| let mut df2=df1.unique_stable(Some(&["Element".into(),"id".into()]), UniqueKeepStrategy::First, None)?; | |
| df.unique (None, UniqueKeepStrategy::First, None)? | |
| df.is_unique | |
| df.is_duplicated | |
| df.null_count() | 返回新dataframe其中每个字段包含df对应字段的null值计数 |