polars

# 选择foo列，给foo排序，然后取排序后的前两个值
pl.col("foo").sort().head(2)

# 数据访问
# pandas写法df['column'].iloc[0] 
df.select('column').item(0, 0)

# 选择多列数据
print(df.select(['SecurityId', 'MDDate']).head(10))

# 获取第一行数据
df.first()

# 生成列表
# pandas写法df['column'].tolist()
df.select('column').to_series().to_list()

# polars.lit根据常量值创建文字表达式
# Add a new column with a constant string value
df_with_literal = df.with_columns(pl.lit("constant_value").alias("new_col"))

# 过滤正常交易状态
df = df.filter(pl.col('交易状态') == '正常交易')

# 过滤时间范围
df.filter((pl.col('Time') >= 92600000) & (pl.col('Time') <= 93100000))

df.with_columns(df["column_name"].cast(new_dtype))

# 整数转浮点数
df = df.with_columns(df["int_column"].cast(pl.Float64))

with pl.Config(set_tbl_width_chars=1000, set_tbl_cols=-1, set_tbl_rows=-1):
    print(df.select(['code', 'datetime', 'SellPrice1', 'SellPrice2', 'SellPrice3', 'SellPrice4', 'SellPrice5', 'SellPrice6', 'SellPrice7', 'SellPrice8', 'SellPrice9', 'SellPrice10', 'SellVolume1', 'SellVolume2', 'SellVolume3', 'SellVolume4', 'SellVolume5', 'SellVolume6', 'SellVolume7', 'SellVolume8', 'SellVolume9', 'SellVolume10']).tail(10))