Skills Agentes

Polars

Librería de DataFrames de alto rendimiento para ETL, analítica y migración desde pandas en Python: expresiones, optimización de consultas lazy, ejecución paralela, streaming out-of-core, Arrow y GPU opcional.

Reemplaza a: pandas (para ETL/analítica de mayor rendimiento y migración)

Solicitaread
Estrellas
34.8k

en todo el repo

Actividad
58

0–100, la ruta de este skill

Actualizado
el mes pasado

último commit aquí

Commits
3

últimos 90 días

Contexto
2.4k tok

66 tok en reposo

Paquete
7 archivos

78 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add K-Dense-AI/scientific-agent-skills --skill polars --agent claude-code

Se instala solo en este repositorio.

Qué hace

  • Ofrece manipulación de datos basada en expresiones (`pl.col`, `select`, `filter`, `with_columns`) sobre DataFrames de Polars.
  • Usa evaluación lazy (`LazyFrame`) con optimización de consultas: predicate/projection pushdown y ejecución paralela.
  • Soporta streaming out-of-core para datasets grandes y ejecución opcional en GPU.
  • Facilita la migración desde pandas y la interoperabilidad con Apache Arrow.

Úsalo cuando

  • Manipular datos con una API basada en expresiones en Python.
  • Trabajar con datasets grandes o pipelines de consultas complejas donde solo se necesitan algunas columnas/filas (modo lazy).
  • Migrar un flujo de trabajo de pandas a Polars.
  • Necesitar alto rendimiento en ETL o analítica.

No lo uses cuando

    Qué lo activa

    Di cualquiera de estas frases y el agente debería cargar este skill.

    • Migra este script de pandas a Polars
    • Filtra y agrega esta tabla con Polars en modo lazy
    • Lee este CSV grande con streaming en Polars
    • Optimiza esta consulta de Polars con predicate pushdown

    SKILL.md

    En inglés

    Polars

    Overview

    Polars is a lightning-fast DataFrame library for Python and Rust built on Apache Arrow. Work with Polars' expression-based API, lazy evaluation framework, and high-performance data manipulation capabilities for efficient data processing, pandas migration, and data pipeline optimization.

    Quick Start

    Installation and Basic Usage

    Install the current stable Polars release verified during this refresh:

    uv pip install "polars==1.41.2"
    

    Install optional integrations only when needed:

    uv pip install "polars[excel,database,fsspec,pandas,numpy]==1.41.2"
    

    Basic DataFrame creation and operations:

    import polars as pl
    
    # Create DataFrame
    df = pl.DataFrame({
        "name": ["Alice", "Bob", "Charlie"],
        "age": [25, 30, 35],
        "city": ["NY", "LA", "SF"]
    })
    
    # Select columns
    df.select("name", "age")
    
    # Filter rows
    df.filter(pl.col("age") > 25)
    
    # Add computed columns
    df.with_columns(
        age_plus_10=pl.col("age") + 10
    )
    

    Core Concepts

    Expressions

    Expressions are the fundamental building blocks of Polars operations. They describe transformations on data and can be composed, reused, and optimized.

    Key principles:

    • Use pl.col("column_name") to reference columns
    • Chain methods to build complex transformations
    • Expressions are lazy and only execute within contexts (select, with_columns, filter, group_by)

    Example:

    # Expression-based computation
    df.select(
        pl.col("name"),
        (pl.col("age") * 12).alias("age_in_months")
    )
    

    Lazy vs Eager Evaluation

    Eager (DataFrame): Operations execute immediately

    df = pl.read_csv("file.csv")  # Reads immediately
    result = df.filter(pl.col("age") > 25)  # Executes immediately
    

    Lazy (LazyFrame): Operations build a query plan, optimized before execution

    lf = pl.scan_csv("file.csv")  # Doesn't read yet
    result = lf.filter(pl.col("age") > 25).select("name", "age")
    df = result.collect()  # Now executes optimized query
    

    When to use lazy:

    • Working with large datasets
    • Complex query pipelines
    • When only some columns/rows are needed
    • Performance is critical

    Benefits of lazy evaluation:

    • Automatic query optimization
    • Predicate pushdown
    • Projection pushdown
    • Parallel execution

    For detailed concepts, load references/core_concepts.md.

    Common Operations

    Select

    Select and manipulate columns:

    # Select specific columns
    df.select("name", "age")
    
    # Select with expressions
    df.select(
        pl.col("name"),
        (pl.col("age") * 2).alias("double_age")
    )
    
    # Select all columns matching a pattern
    df.select(pl.col("^.*_id$"))
    

    Filter

    Filter rows by conditions:

    # Single condition
    df.filter(pl.col("age") > 25)
    
    # Multiple conditions (cleaner than using &)
    df.filter(
        pl.col("age") > 25,
        pl.col("city") == "NY"
    )
    
    # Complex conditions
    df.filter(
        (pl.col("age") > 25) | (pl.col("city") == "LA")
    )
    

    With Columns

    Add or modify columns while preserving existing ones:

    # Add new columns
    df.with_columns(
        age_plus_10=pl.col("age") + 10,
        name_upper=pl.col("name").str.to_uppercase()
    )
    
    # Parallel computation (all columns computed in parallel)
    df.with_columns(
        pl.col("value") * 10,
        pl.col("value") * 100,
    )
    

    Group By and Aggregations

    Group data and compute aggregations:

    # Basic grouping
    df.group_by("city").agg(
        pl.col("age").mean().alias("avg_age"),
        pl.len().alias("count")
    )
    
    # Multiple group keys
    df.group_by("city", "department").agg(
        pl.col("salary").sum()
    )
    
    # Conditional aggregations
    df.group_by("city").agg(
        (pl.col("age") > 30).sum().alias("over_30")
    )
    

    For detailed operation patterns, load references/operations.md.

    Aggregations and Window Functions

    Aggregation Functions

    Common aggregations within group_by context:

    • pl.len() - count rows
    • pl.col("x").sum() - sum values
    • pl.col("x").mean() - average
    • pl.col("x").min() / pl.col("x").max() - extremes
    • pl.first() / pl.last() - first/last values

    Window Functions with over()

    Apply aggregations while preserving row count:

    # Add group statistics to each row
    df.with_columns(
        avg_age_by_city=pl.col("age").mean().over("city"),
        rank_in_city=pl.col("salary").rank().over("city")
    )
    
    # Multiple grouping columns
    df.with_columns(
        group_avg=pl.col("value").mean().over("category", "region")
    )
    

    Mapping strategies:

    • group_to_rows (default): Preserves original row order
    • explode: Faster but groups rows together
    • join: Creates list columns

    Data I/O

    Supported Formats

    Polars supports reading and writing:

    • CSV, Parquet, JSON, Excel
    • Databases (via connectors)
    • Cloud storage (S3, Azure, GCS)
    • Google BigQuery
    • Multiple/partitioned files

    Common I/O Operations

    CSV:

    # Eager
    df = pl.read_csv("file.csv")
    df.write_csv("output.csv")
    
    # Lazy (preferred for large files)
    lf = pl.scan_csv("file.csv")
    result = lf.filter(...).select(...).collect()
    

    Parquet (recommended for performance):

    df = pl.read_parquet("file.parquet")
    df.write_parquet("output.parquet")
    

    JSON:

    df = pl.read_json("file.json")
    df.write_json("output.json")
    

    For comprehensive I/O documentation, load references/io_guide.md.

    Transformations

    Joins

    Combine DataFrames:

    # Inner join
    df1.join(df2, on="id", how="inner")
    
    # Left join
    df1.join(df2, on="id", how="left")
    
    # Join on different column names
    df1.join(df2, left_on="user_id", right_on="id")
    

    Concatenation

    Stack DataFrames:

    # Vertical (stack rows)
    pl.concat([df1, df2], how="vertical")
    
    # Horizontal (add columns)
    pl.concat([df1, df2], how="horizontal")
    
    # Diagonal (union with different schemas)
    pl.concat([df1, df2], how="diagonal")
    

    Pivot and Unpivot

    Reshape data:

    # Pivot (wide format)
    df.pivot(on="product", values="sales", index="date")
    
    # Unpivot (long format)
    df.unpivot(index="id", on=["col1", "col2"])
    

    For detailed transformation examples, load references/transformations.md.

    Pandas Migration

    Polars offers significant performance improvements over pandas with a cleaner API. Key differences:

    Conceptual Differences

    • No index: Polars uses integer positions only
    • Strict typing: No silent type conversions
    • Lazy evaluation: Available via LazyFrame
    • Parallel by default: Operations parallelized automatically

    Common Operation Mappings

    Operation Pandas Polars
    Select column df["col"] df.select("col")
    Filter df[df["col"] > 10] df.filter(pl.col("col") > 10)
    Add column df.assign(x=...) df.with_columns(x=...)
    Group by df.groupby("col").agg(...) df.group_by("col").agg(...)
    Window df.groupby("col").transform(...) df.with_columns(...).over("col")

    Key Syntax Patterns

    Pandas sequential (slow):

    df.assign(
        col_a=lambda df_: df_.value * 10,
        col_b=lambda df_: df_.value * 100
    )
    

    Polars parallel (fast):

    df.with_columns(
        col_a=pl.col("value") * 10,
        col_b=pl.col("value") * 100,
    )
    

    For comprehensive migration guide, load references/pandas_migration.md.

    Best Practices

    Performance Optimization

    1. Use lazy evaluation for large datasets:

      lf = pl.scan_csv("large.csv")  # Don't use read_csv
      result = lf.filter(...).select(...).collect()
      
    2. Avoid Python functions in hot paths:

      • Stay within expression API for parallelization
      • Use .map_elements() only when necessary
      • Prefer native Polars operations
    3. Use streaming for very large data:

      lf.collect(engine="streaming")
      
    4. Select only needed columns early:

      # Good: Select columns early
      lf.select("col1", "col2").filter(...)
      
      # Bad: Filter on all columns first
      lf.filter(...).select("col1", "col2")
      
    5. Use appropriate data types:

      • Categorical for low-cardinality strings
      • Appropriate integer sizes (i32 vs i64)
      • Date types for temporal data

    Expression Patterns

    Conditional operations:

    pl.when(condition).then(value).otherwise(other_value)
    

    Column operations across multiple columns:

    df.select(pl.col("^.*_value$") * 2)  # Regex pattern
    

    Null handling:

    pl.col("x").fill_null(0)
    pl.col("x").is_null()
    pl.col("x").drop_nulls()
    

    For additional best practices and patterns, load references/best_practices.md.

    Resources

    This skill includes comprehensive reference documentation:

    references/

    • core_concepts.md - Detailed explanations of expressions, lazy evaluation, and type system
    • operations.md - Comprehensive guide to all common operations with examples
    • pandas_migration.md - Complete migration guide from pandas to Polars
    • io_guide.md - Data I/O operations for all supported formats
    • transformations.md - Joins, concatenation, pivots, and reshaping operations
    • best_practices.md - Performance optimization tips and common patterns

    Load these references as needed when users require detailed information about specific topics.

    Reproducido de K-Dense-AI/scientific-agent-skills bajo licencia https://github.com/pola-rs/polars/blob/main/LICENSE. Leer esta página en markdown.

    Archivos

    7 archivos en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

    Antes de instalar

    Requiere Python 3.10+; se instala con `uv pip install "polars==1.41.2"`, con extras opcionales para Excel, bases de datos, nube, pandas/NumPy y GPU.

    Detalles

    Creador
    K-Dense-AI
    Licencia
    https://github.com/pola-rs/polars/blob/main/LICENSE
    Recursos incluidos
    referencias
    Código fuente
    Ver SKILL.md

    Etiquetas

    Más de K-Dense-AI/scientific-agent-skills

    Este repo incluye 163 skills. Si instalas uno, normalmente ya tienes los demás.

    Gestión integral de citas académicas: busca en OpenAlex, PubMed y Google Scholar, extrae metadatos precisos, valida citas y genera entradas BibTeX correctamente formateadas.

    Costo de contexto al activarse
    3.7k tok
    Tamaño del paquete
    21 archivos
    Última actualización
    hace 28 días
    investigacion

    Realiza revisiones bibliográficas sistemáticas y completas usando varias bases académicas (PubMed, arXiv, bioRxiv, Semantic Scholar). Genera markdown y PDF con citas verificadas en varios estilos (APA, Nature, Vancouver).

    Costo de contexto al activarse
    3.2k tok
    Tamaño del paquete
    12 archivos
    Última actualización
    hace 15 días
    investigacion

    Crea decks de diapositivas y presentaciones para charlas de investigación: PowerPoint, presentaciones de conferencia, seminarios, defensas de tesis. Da estructura, plantillas, guía de tiempos y validación visual.

    Costo de contexto al activarse
    5.1k tok
    Tamaño del paquete
    24 archivos
    Última actualización
    hace 15 días
    documentos

    Crea infografías profesionales con Nano Banana Pro AI y refinamiento iterativo inteligente. Usa Gemini 3.6 Flash para revisar la calidad e integra investigación con Perplexity Sonar. Soporta 10 tipos, 8 estilos y paletas para daltonismo.

    Costo de contexto al activarse
    2.7k tok
    Tamaño del paquete
    8 archivos
    Última actualización
    hace 15 días
    diseno ui

    Crea pósteres de investigación profesionales en LaTeX con beamerposter, tikzposter o baposter, para conferencias y comunicación científica: layout, colores, columnas múltiples e integración de figuras.

    Costo de contexto al activarse
    3.9k tok
    Tamaño del paquete
    17 archivos
    Última actualización
    hace 15 días
    documentos

    Crea diagramas científicos de calidad de publicación con la IA Nano Banana 2 y refinamiento iterativo inteligente. Gemini 3.6 Flash revisa la calidad y solo regenera si está por debajo del umbral de tu tipo de documento.

    Costo de contexto al activarse
    4.1k tok
    Tamaño del paquete
    6 archivos
    Última actualización
    hace 15 días
    diseno ui

    Skills relacionados

    Aeon

    34.8k

    Para tareas de machine learning con series temporales: clasificación, regresión, clustering, forecasting, detección de anomalías, segmentación y búsqueda de similitud, con APIs compatibles con scikit-learn.

    Costo de contexto al activarse
    3.1k tok
    Tamaño del paquete
    12 archivos
    Última actualización
    el mes pasado
    datos analitica

    Anndata

    34.8k

    Estructura de datos para matrices anotadas en análisis de célula única. Úsala con archivos .h5ad o el ecosistema scverse; para análisis usa scanpy, para modelos probabilísticos scvi-tools, para escala poblacional cellxgene-census.

    Costo de contexto al activarse
    3k tok
    Tamaño del paquete
    6 archivos
    Última actualización
    el mes pasado
    datos analitica

    Infiere redes de regulación génica (GRN) a partir de datos de expresión génica con algoritmos escalables (GRNBoost2, GENIE3), para transcriptómica bulk o de célula única, con computación distribuida.

    Costo de contexto al activarse
    2.1k tok
    Tamaño del paquete
    5 archivos
    Última actualización
    el mes pasado
    datos analitica