**大数据量（几千万行）划分价格区间（价格段）

Polars 对于 大数据量（几千万行）划分价格区间（价格段） 有非常高效的原生方法，推荐使用：

---

✅ 方法一：使用 pl.when().then().otherwise() 分段（推荐）

适合自定义的非等距价格区间，如：

• 0--999 元
• 1000--1999 元
• 2000--4999 元
• 5000 元及以上

df = df.with_columns([
    pl.when(pl.col("price") < 1000).then("0-999")
    .when(pl.col("price") < 2000).then("1000-1999")
    .when(pl.col("price") < 5000).then("2000-4999")
    .otherwise("5000+")
    .alias("price_range")
])

这是 纯表达式向量化处理，速度极快，适合千万行数据。

---

✅ 方法二：用 cut 类似 Pandas 的 pd.cut（等距或自定义区间）

虽然 Polars 本身没有内置 cut 函数，但你可以手动实现类似功能：

# 假设你想把价格分为每 1000 元一个区间
step = 1000
df = df.with_columns([
    ((pl.col("price") // step) * step).cast(pl.Int32).alias("price_floor"),
    (((pl.col("price") // step) + 1) * step - 1).cast(pl.Int32).alias("price_ceiling")
])

df = df.with_columns([
    (pl.col("price_floor").cast(pl.Utf8) + "-" + pl.col("price_ceiling").cast(pl.Utf8)).alias("price_range")
])

例如价格为 2789，则落入区间 2000-2999。

---

✅ 方法三：提前准备好价格段字典 + broadcast join（适合维护复杂区间）

# 区间定义 DataFrame
price_bins = pl.DataFrame({
    "price_range": ["0-999", "1000-1999", "2000-4999", "5000+"],
    "min_price": [0, 1000, 2000, 5000],
    "max_price": [999, 1999, 4999, float("inf")]
})

# 扩展 df 加入 price_range 列（条件 join）
df = df.join(price_bins, how="inner", 
             left_on=pl.col("price"), 
             right_on=(pl.col("min_price") <= pl.col("price")) & (pl.col("price") <= pl.col("max_price")))

注意这种做法适合精细化分段，并且你能维护段表。

---

性能建议（千万级数据）：

技术点	建议
⚡ 用 .with_columns([...]) 替代 .apply()	速度数量级提升
⚡ 使用 LazyFrame + .collect()	推迟执行 + 自动优化
⚡ 使用 .parquet 等列式文件格式	节省内存+加快读取
⚡ 多线程默认开启	无需手动并行

---