Polars 데이터프레임 가이드

무엇을 해주나

• Polars 설치(uv pip install "polars==1.41.2")부터 선택적 확장(Excel, DB, 클라우드, GPU)까지 안내합니다.
• select / filter / with_columns / group_by().agg() 등 핵심 연산을 올바른 표현식 스타일로 작성해 줍니다.
• Eager(DataFrame) vs Lazy(LazyFrame) 선택 기준, predicate/projection pushdown, 스트리밍 실행 같은 성능 최적화 규칙을 적용합니다.
• pandas ↔ Polars 연산 대응표를 기반으로 기존 코드를 Polars로 옮겨 줍니다.
• CSV/Parquet/JSON/Excel/DB/클라우드 I/O, 조인·concat·pivot·unpivot 같은 변환 패턴을 다룹니다.
• 더 깊은 내용은 references/ 폴더의 6개 문서(core_concepts, operations, pandas_migration, io_guide, transformations, best_practices)를 필요할 때 불러옵니다.

이런 분께 추천

• pandas가 느려 대용량 CSV/Parquet 처리에 한계를 느끼는 데이터 분석가·엔지니어
• ETL 파이프라인을 Polars 표현식으로 재작성하려는 파이썬 개발자
• Polars 문법(특히 over(), when/then, 정규식 컬럼 선택)에 아직 익숙하지 않은 입문자

활용 예시

1. "이 pandas 스크립트를 Polars로 바꿔줘" → 대응표에 맞춰 assign→with_columns, groupby→group_by 등으로 변환.
2. "30GB CSV를 도시별 평균 급여로 집계해야 해" → scan_csv + 컬럼 조기 선택 + collect(engine="streaming") 형태의 지연 쿼리 제안.
3. "행 수를 유지하면서 그룹 평균과 순위 컬럼을 추가해줘" → pl.col("age").mean().over("city") 같은 윈도우 함수 코드 작성.

이 파일의 지시를 읽고 그대로 따라서 나를 도와줘:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/polars/SKILL.md

내가 원하는 것: (여기에 하고 싶은 일을 쓰세요)

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/polars 폴더를 내 ~/.claude/skills/polars/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.