Transformaciones (expresiones)

Banner del Curso

Introducción

Polars utiliza un modelo expresivo basado en operaciones sobre columnas, en lugar de manipulación imperativa de datos. Este enfoque facilita la escritura de pipelines de transformación más seguros, legibles y rápidos.

En este capítulo aprenderás a utilizar expresiones (pl.col, pl.when, pl.lit, etc.) para transformar columnas, condicionar valores, agregar múltiples columnas y componer operaciones complejas de manera eficiente.

¿Qué es una expresión en Polars?

Una expresión es una instrucción que describe cómo transformar o computar una columna. Las expresiones son evaluadas dentro de métodos como:

select()
with_columns()
filter()
groupby().agg()

Esto permite separar el qué queremos hacer del cuándo se ejecuta (especialmente útil en modo lazy).

Seleccionar columnas con `pl.col`

import polars as pl

df = pl.DataFrame({
    "nombre": ["Ana", "Luis", "Pedro"],
    "edad": [28, 34, 25],
    "monto": [1000, 2500, 1800]
})

df.select([
    pl.col("nombre"),
    pl.col("monto") * 1.19
])

Crear nuevas columnas con `with_columns`

df = df.with_columns([
    (pl.col("monto") * 1.19).alias("monto_con_iva"),
    (pl.col("edad") + 5).alias("edad_futura")
])

Condiciones con `pl.when`

df = df.with_columns([
    pl.when(pl.col("monto") > 2000)
      .then("alta")
      .otherwise("media")
      .alias("categoria_compra")
])

También puedes anidar condiciones:

df.with_columns([
    pl.when(pl.col("monto") > 2000).then("alta")
     .when(pl.col("monto") > 1000).then("media")
     .otherwise("baja")
     .alias("rango")
])

Literales y funciones con `pl.lit`

df.with_columns([
    (pl.col("edad") + pl.lit(1)).alias("edad_incrementada")
])

Uso de `pl.all()` y `pl.exclude()`

# Aplicar una transformación a todas las columnas numéricas
df.select([
    pl.exclude("nombre") * 2
])

Agregaciones con expresiones

df.groupby("categoria_compra").agg([
    pl.col("monto").mean().alias("promedio_monto"),
    pl.col("monto").max().alias("mayor_compra")
])

Encadenamiento de operaciones

df = (
    df.with_columns([
        (pl.col("monto") * 1.19).alias("con_iva")
    ])
    .filter(pl.col("edad") > 30)
    .select(["nombre", "con_iva"])
)

Buenas prácticas

Nombra tus columnas nuevas con .alias() para evitar sobreescribir datos accidentalmente.
Encadena expresiones en lugar de escribir múltiples pasos intermedios.
Usa pl.when para lógica condicional clara, especialmente en reemplazo de .apply() imperativos.
Revisa los tipos de columnas con df.schema para evitar errores de tipo.

Referencias útiles

Conclusión

El modelo basado en expresiones es una de las principales ventajas de Polars. Permite construir pipelines de transformación claros, eficientes y fácilmente optimizables. Este enfoque se vuelve aún más poderoso en el contexto del modo lazy, que veremos en el próximo capítulo.