数値列のダウンキャスト

値の範囲に問題がないことを確認できたので、数値列をより小さなデータ型に変換しましょう。整数列には Int32 を、浮動小数点列には Float32 を使います。集計統計においては、この精度で十分です。

movies DataFrame はあらかじめ読み込まれています。

この演習はコースの一部です

Polars によるデータパイプラインのスケーリングと最適化

コースを見る

演習の手順

vote_count と budget を pl.Int32 にキャストします。
runtime と vote_average を pl.Float32 にキャストします。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

movies_optimized = movies.with_columns(
    # Integer columns to Int32
    pl.col("vote_count").cast(pl.____),
    pl.col("budget").cast(pl.____),
    # Float columns to Float32
    pl.col("runtime").cast(pl.____),
    pl.col("vote_average").cast(pl.____),
)

result = movies_optimized.select(
    "movie_title", "budget", "runtime", "vote_average", "vote_count"
).head(8)
print(result)

コードを編集して実行