Ускорьте рабочие процессы с Polars DataFrame
Командам по работе с данными нужны быстрые рекомендации при создании пайплайнов Polars и миграции с pandas. Этот навык предоставляет краткие паттерны для выражений, ленивых запросов, ввода-вывода, соединений и настройки производительности.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "polars" from https://skillstore.io/skills/davila7-polars.md and its manifest at https://skillstore.io/api/skills/davila7-polars/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «polars». Мне нужно обработать большой CSV и оставить только недавние строки и пять столбцов.
Ожидаемый результат:
Использование «polars». Я хочу мигрировать агрегацию pandas groupby в Polars.
Ожидаемый результат:
Использование «polars». Мне нужно соединить два набора данных и изменить форму результата.
Ожидаемый результат:
All 95 static findings are false positives caused by Markdown backticks, ordinary Polars terminology, placeholder cloud configuration, and the Polars list.eval API. The reviewed files contain documentation and fixed examples, with no prompt injection, credential harvesting, shell substitution, dynamic code execution, or system reconnaissance.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/davila7-polars/audits/10?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/davila7-polars?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/davila7-polars?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-polars/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/davila7-polars.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>davila7. (2026). polars security audit report (audit version 10) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-polars/audits/10@techreport{davila7-davila7-polars-2026,
author = {davila7},
title = {polars security audit report (audit version 10)},
institution = {Skillstore},
year = {2026},
number = {10},
url = {https://skillstore.io/skills/davila7-polars/audits/10},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "polars security audit report (audit version 10)"
version: "unspecified"
type: report
authors:
- name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-polars/audits/10"
identifiers:
- type: other
value: "skillstore:davila7-polars:audit:10"
description: "Skillstore immutable audit report identifier"
Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
davila7-polars
2026-09-09
k-dense-ai-polars
2026-09-09
Преобразуйте распространенные паттерны выбора, фильтрации, группировки и трансформации pandas в идиоматичные рабочие процессы Polars.
Используйте ленивые сканирования, отсечение столбцов, predicate pushdown и streaming для улучшения рабочих процессов с большими наборами данных.
Выбирайте практичные паттерны для чтения и записи CSV, Parquet, JSON, баз данных и облачного хранилища.
Помогите мне решить эту задачу обработки данных с помощью Polars. Объясните рекомендуемые шаги DataFrame и отметьте, когда ленивые вычисления будут полезны.
Преобразуйте мой рабочий процесс pandas в Polars. Объясните ключевые различия API и сохраните исходный смысл преобразования данных.
Проверьте этот пайплайн Polars на производительность. Сосредоточьтесь на ленивых сканированиях, ранней фильтрации, выборе столбцов, streaming и нативных выражениях.
Спроектируйте надежный рабочий процесс Polars для большого набора данных из нескольких файлов. Включите выбор форматов ввода-вывода, joins, агрегации и проверки валидации.
Автор
davila7Лицензия
MIT
Ревизия Skillstore
r2
Примечание о версии
Автор не указал версию.
Репозиторий
https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/polarsСсылка
c43861a65bb95efcae259cd161c9d6f4dc7eec6f
Актуальность поддержки
25.07.2026
Использование
7 загрузок · 274 просмотров
Структура файлов
Создание исследовательских постеров в LaTeX
Исследовательские постеры сложно форматировать и проверять для печати в LaTeX. Этот навык предоставляет шаблоны, рекомендации по макету и проверки PDF для постеров, готовых к конференции.
Создавайте маркетинговый контент, готовый для SEO
Маркетинговым командам нужен понятный контент, который соответствует голосу бренда и поисковым целям. Этот навык предоставляет шаблоны, скрипты анализа и рекомендации по платформам для повторяемого производства контента.
Создание структурированных планов медицинского лечения
Клинические планы лечения часто оказываются непоследовательными, слишком объемными или сложными для проверки. Этот навык предоставляет специализированные шаблоны, измеримые цели, временные рамки и локальные средства контроля качества.
Создание структурированных клинических отчетов
Клиническим командам нужны понятные отчеты, соответствующие медицинским и регуляторным стандартам. Этот навык предоставляет шаблоны, чек-листы и рекомендации по валидации для описаний клинических случаев, диагностических отчетов, исследований и заметок о пациентах.
Анализ файлов научных данных
Файлы научных данных сложно исследовать, поскольку каждый формат по-разному хранит структуру и метаданные. Этот навык определяет форматы, оценивает качество данных и создает практические отчеты по разведочному анализу данных в формате markdown.
Запуск рабочих процессов молекулярного докинга DiffDock
Настройка молекулярного докинга часто завершается неудачей, поскольку сложно согласовать входные данные, параметры и оценки уверенности. Этот навык помогает выполнять рабочие процессы DiffDock от подготовки до анализа результатов.
Проектирование экспериментов и моделей в науке о данных
от alirezarezvani
Проекты в области науки о данных часто терпят неудачу, когда эксперименты, признаки и модели не имеют четкой статистической структуры. Этот навык дает Claude, Codex и Claude Code пошаговые рабочие процессы для экспериментов, инженерии признаков и анализа моделей.
Создание производственных конвейеров данных
от alirezarezvani
Командам данных в production нужны надежные шаблоны для конвейеров, проверок качества и оркестрации. Этот навык помогает с архитектурой, созданием каркасов и практиками DataOps для современных стеков данных.
Быстро вычисляйте математические выражения
от Decalogue
Ручные проверки арифметики замедляют агентов, когда пользователям нужны быстрые числовые ответы. Этот навык вычисляет базовые математические выражения и возвращает краткие результаты.
Оптимизация производительности Parquet в Rust
от EmilLindfors
Конвейеры Parquet могут неэффективно расходовать хранилище и память при использовании настроек по умолчанию. Этот навык анализирует чтение и запись Parquet в Rust, а затем предлагает улучшения сжатия, размеров, проекции и фильтрации.
Оптимизация запросов DataFusion
от EmilLindfors
Медленные запросы DataFusion могут впустую расходовать вычислительные ресурсы и скрывать простые проблемы в плане выполнения. Этот навык анализирует шаблоны SQL и DataFrame, а затем предлагает конкретные улучшения производительности.
Создавайте понятные истории на основе данных
от wshobson
Сырые метрики часто не убеждают заинтересованные стороны и не помогают принимать решения. Этот skill помогает Claude, Codex и Claude Code превращать анализ в понятные повествования, визуализации и рекомендации.