Skill/数据分析/Polars
数据分析 55.5k 仓库 Star

Polars

把多份数据整理成可复跑流程

Polars Skill 指导 Codex 使用 Python 的 Polars 数据处理库,完成数据读取、清洗、关联与汇总。它会根据任务选择立即计算或先规划查询再执行,并检查字段类型、缺失值和关联是否正确,适合处理结构清楚、重复执行的数据整理任务。

你需要准备:数据文件、字段说明、关联规则和期望汇总结果

一桉AI 整理 · 2026.10.31 更新 · 查看 GitHub 来源

待试用:来源已核,尚未在 Codex 实测。先检查条件,再用小任务验证。

Polars 能帮你做什么?

  • 整理多来源数据

    读取受支持的数据文件,统一字段类型、筛选记录、处理缺失值,并把整理步骤写成可重复运行的代码。

  • 按业务规则关联汇总

    按客户、商品或时间等字段关联表格,检查未匹配记录与行数变化,再计算分组指标,避免重复关联造成汇总膨胀。

  • 选择合适的执行方式

    利用延迟查询查看和优化处理步骤;在适用时采用流式处理,并以小样本核对结果,而非只追求运行速度。

什么时候适合用?

下面是用法示例,可换成你的材料和目标。

  • 示例:整理多个门店的销售明细

    把字段名称不一致的多个文件统一为相同结构,按门店和月份汇总,并单独列出缺失或无法匹配的记录。

  • 示例:定期生成数据清洗结果

    为每周新增的明细建立固定处理脚本,保留输入字段检查和输出行数核对,减少重复手工整理。

怎么开始使用?

从材料到结果流程示意,非实测结果

你提供的材料

准备这些材料批量表格处理

数据文件、字段说明、关联规则和期望汇总结果

处理流程示意

  1. 01

    核对字段与数据质量

  2. 02

    清洗关联并汇总

  3. 03

    检查行数和计算口径

准备什么,会得到什么?

准备的材料
数据文件、字段说明、关联规则和期望汇总结果
交付的结果
  • 可重复执行的数据清洗与汇总代码。
  • 整理后的数据文件及字段、行数检查结果。

使用前要知道

需要 Python 与 Polars,特定文件格式或云端来源还需额外依赖和访问权限。处理规模取决于内存、查询方式与数据结构;本项保持试用状态,不负责复杂 Excel 排版或宏。

常见问题

使用流式处理,就能处理任意大的文件吗?

不能。部分操作仍会占用较多内存,执行能力还受机器资源和查询方式影响。应先确认操作是否支持,再用有限样本验证结果与资源需求。

它适合用来美化 Excel 报表吗?

核心用途是整理和计算表格数据。复杂公式、格式、图表和宏的维护,应交给相应的工作簿工具,避免把数据处理能力当成完整 Excel 编辑器。

GitHub 与官方参考

依据项目说明与参考文档整理。页面中的任务与流程示例用于说明用法。

  • Polars SKILL.md ↗2026-10-31 核对
来源与使用条件
原始项目
K-Dense-AI/scientific-agent-skills ↗
Skill 名称
polars
Skill 目录
skills/polars
仓库 Star
55,487 · 2026-10-31 核对,仅代表仓库关注度。
许可说明
MIT
使用条件
需要 Python 3.10+ 与 Polars。普通本地表格无需 API Key;Excel、数据库、云存储或 GPU 按任务安装 extras、驱动并配置相应账号,内存与数据量需匹配。
注意事项
README 明确支持 Codex,采用 MIT 许可。适合可重复的数据处理,不保证任何数据量都能在当前机器运行;来源已核,本站未实测,待试用。
查看安装与使用提示词
请帮我准备并使用 Polars Skill,完成下面的任务。请实际执行当前环境允许的安装与检查,不要只返回一份安装教程。

【来源与目标】
原始仓库:https://github.com/K-Dense-AI/scientific-agent-skills
所选目录:skills/polars
参考分支:main
原始目录 frontmatter name:polars
安装后的目标调用名:polars
来源页面:https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills/polars
安装路线核对日期:2026-11-01
Polars 当前指令与依赖:https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/skills/polars/SKILL.md
OpenAI:Codex 本地 Skill 位置、调用与自动发现:https://learn.chatgpt.com/docs/build-skills
上游安装方式与按任务准备独立依赖:https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/README.md
仓库开发环境与 Skill 依赖的区别:https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/pyproject.toml

【先检查环境,再安装】
先识别操作系统、当前 shell、工作目录、同名 Skill 和已有工具;命令须适配实际平台并正确处理带空格的路径。默认安装到当前项目的 .agents/skills;如果没有可用项目目录,再使用用户目录的 .agents/skills。遵循当前 Codex 实际支持的位置;上游 CLI 或插件有专用目录时使用其正式方案。检查现有安装来源与完整性,能复用就复用,不重复注册相同来源、不覆盖用户修改。系统内置与所选第三方来源同名时保留系统版,明确区分来源和实际目录,不能只凭名称认定装过或选对了。
下文 ~/.agents/skills 是用户级路径示例;已选项目范围时,使用项目的 .agents/skills 并保持相同子目录层级。<SKILL_DIR>、<项目根目录> 等占位符须先换成核对过的真实路径再执行。依赖仓库的存放目录与 Codex 发现入口分别处理,不把缓存目录当作已注册入口。
这是完整目录安装路线。优先使用当前 Codex 自带的 $skill-installer,明确传入仓库 K-Dense-AI/scientific-agent-skills、目录 skills/polars、分支 main、安装名 polars,并把 --dest 设为已解析的目标 .agents/skills 绝对路径。目录为“.”时表示仓库根目录,仍要传入安装名。不要猜测安装器在本机的固定路径。如果没有内置安装器,按下列项目说明从原仓库获取完整目录,保留全部配套文件。

所选 Skill 的具体安装步骤:
1. 仅完整安装 K-Dense-AI/scientific-agent-skills 的 skills/polars 到 ~/.agents/skills/polars/;只用于项目时改用 .agents/skills/polars/。从完整 checkout 递归复制或用支持完整目录的安装器获取,保留同目录相对结构。
2. 先核对同名安装来源,避免覆盖本地修改或并装两个版本;<SKILL_DIR> 使用安装绝对路径。不要把仓库根 pyproject 的扫描/开发环境当作本项运行环境,也不默认安装其余 176 项。
3. 建立 Python 3.10+ 的独立数据环境,按源文快照安装 polars==1.44.2;普通本地 CSV/Parquet 任务不需要 API Key。
4. 只有实际需要 Excel、数据库、云存储、pandas/NumPy 或 GPU 集成时再选择 extras、驱动和凭据;不要默认安装全部可选依赖。
5. 脚本在用户分析工作区编写,输入保持只读;此 Skill 本身主要是指引与 references,不包含一套必须运行的安装脚本。
6. 安装后核对 SKILL.md 的 name 与调用名一致;Codex 会自动发现变更。先在 Skill 列表查找,未出现时再新建聊天或重载,不把重启写成每次必做。

必须保留的资源:
- skills/polars/SKILL.md
- skills/polars/references/(core_concepts、operations、io_guide、transformations、pandas_migration、best_practices、review)

已知依赖:需要 Python 3.10+ 与 Polars。普通本地表格无需 API Key;Excel、数据库、云存储或 GPU 按任务安装 extras、驱动并配置相应账号,内存与数据量需匹配。
原项目许可:MIT
特别条件:README 明确支持 Codex,采用 MIT 许可。适合可重复的数据处理,不保证任何数据量都能在当前机器运行;来源已核,本站未实测,待试用。
此项仍为待试用;先核对 Codex 兼容性,再进行小范围验证,不把来源核对当作已运行实测。
需要账号、密钥或服务时先检查现有可用连接;让用户在官方授权或本地配置入口完成,不要求把密钥粘贴到聊天。缺少付费服务或不支持的客户端能力时,明确剩余条件与可完成的范围。

【安装后验收】
读取实际安装位置的 SKILL.md,核对真实 name,并检查它引用的脚本、模板、共享文件与工具是否存在。若上游已迁移路径或更名,先核对正式说明再调整;找不到则报告实际错误,不猜路径或宣称成功。
1. 在选定环境检查 Python 版本,并用 python -B -c "import polars; print(polars.__version__)" 查看实际版本。
2. 只核对本次选用格式所需的 extras/驱动能否导入;不连接数据库或云账号、不读取业务数据来做安装验证。
Codex 通常自动发现变更;只有未出现时才引导新建聊天或重载。若本轮尚未出现在可用列表,可在允许的范围内读取已安装的完整文件继续准备任务,同时说明自动识别尚待确认。插件依赖的工具未连接时,不能用读取文件代替连接成功。
分别报告“文件已安装”“Codex 已识别”“任务所需能力已就绪”的实际状态和证据;失败时给出卡住的步骤、错误与下一步,不反复执行相同的失败命令。

【接着引导我使用】
请使用实际可用的 $polars;若实际名称发生变化,以刚核对的本地 name 为准。存在不同来源同名项时,明确选择所选来源与实际文件路径,避免调用成系统版或另一版本。对于必须由用户显式调用的 Skill,直接给我下一条可复制的调用语句。
- 调用 $polars,提供数据、字段定义、关联键和统计口径;先核类型、缺失与行数,再选择 eager/lazy 处理。
- 先用有界样本核对关联倍增与汇总,再扩大数据范围;不宣称启用 streaming 就能处理任意大小。

我想完成的任务:
根据我的字段定义与处理规则,用 Polars 清洗、关联和汇总数据。先检查类型、缺失值、重复项和关联键,保留原始文件,输出可重复运行的脚本;核对行数、汇总口径和异常记录。

需要我提供的材料:
数据文件、字段说明、关联规则和期望汇总结果

期望得到:
处理后的数据、可复跑脚本,以及行数和质量检查记录。

先查看我在当前聊天中已经提供的目标与材料,只问缺少的关键内容;没有材料时,告诉我第一步提供什么,可给一个简短示例。条件满足后从一个小任务开始,检查输出,再说明怎样继续使用。示例仅用于演示,不充当我的真实数据;没有执行过的步骤、测试或交付物不要写成已经完成。需要发送、发布或修改外部账号内容时,先让我核对具体对象和内容。

相关 Skill

  • MiniMax XLSXExcel 整理与分析
  • Exploratory Data Analysis探索性数据分析
  • Statistical Analysis统计分析

复制到 Codex

浏览器暂未允许直接复制。点击下方文字,按 Ctrl+C(Mac 按 ⌘C)复制,再粘贴到 Codex。

三步开始使用

  1. 找到想做的事,点击「复制提示词」。
  2. 打开 Codex,把提示词粘贴进去并发送。
  3. 按它的提示提供文件或材料,继续完成任务。

按需安装就好,不用一次装完。部分 Skill 需要软件、账号或付费服务,Codex 会先检查使用条件。