Polars SQL 之 SHOW TABLES列出 SQLContext 中已注册的 DataFrame 表【免费下载链接】polarsExtremely fast Query Engine for DataFrames, written in Rust项目地址: https://gitcode.com/GitHub_Trending/po/polarsSHOW TABLES是 Polars 内嵌 SQL 方言中用于列出当前SQLContext中所有已注册表的语句。在 Python 侧每当通过pl.SQLContext(表名DataFrame)或ctx.register(...)将一张DataFrame/LazyFrame注册为表后它就能在后续 SQL 语句中被引用SHOW TABLES则负责把这些已注册表的名字一次性列举出来方便你核对当前会话里到底有哪些表可用。读完本文你将掌握SHOW TABLES的语法、返回结果的结构与排序规则、其底层实现原理以及如何用它排查表注册与作用域问题。SHOW TABLES 语句概述在 Polars 中SQL 并非独立的数据库引擎而是统一由SQLContext对象托管。SQLContext内部维护着一个表名 → 数据集的映射用于在 SQL 语句中把标识符解析为实际的数据帧。SHOW TABLES语句的语法非常简单SHOW TABLES它不带任何参数、子句或分号外的扩展语义等价于把我当前SQLContext注册过的所有表名列出来。官方入门文档可见 docs/source/user-guide/sql/intro.md其中介绍了SQLContext的初始化与多种表注册方式本文所讲解的SHOW TABLES原始文档位于 docs/source/user-guide/sql/show.md。一个完整的 Python 示例Polars 用户指南中给出的完整示例如下对应源码见 docs/source/src/python/user-guide/sql/show.pyimport polars as pl # 创建一些 DataFrame并注册到 SQLContext df1 pl.LazyFrame( { name: [Alice, Bob, Charlie, David], age: [25, 30, 35, 40], } ) df2 pl.LazyFrame( { name: [Ellen, Frank, Gina, Henry], age: [45, 50, 55, 60], } ) ctx pl.SQLContext(mytable1df1, mytable2df2) tables ctx.execute(SHOW TABLES, eagerTrue) print(tables)示例逐步拆解构造数据帧这里使用pl.LazyFrame创建了两份nameage的测试数据。SQLContext对注册为表的输入并无必须懒执行的限制示例选择LazyFrame只是 Polars 的惯例用法。批量注册pl.SQLContext(mytable1df1, mytable2df2)在构造SQLContext的同时通过关键字参数把df1、df2分别以mytable1、mytable2的名字注册成两张表。执行 SHOW TABLES调用ctx.execute(SHOW TABLES, eagerTrue)执行语句。与普通查询一致execute默认返回一个LazyFrame传入eagerTrue后会立刻物化收集为DataFrame以便直接print。输出结果上述脚本的运行结果为一个只含单列列名为name的DataFrameshape: (2, 1) ┌──────────┐ │ name │ │ --- │ │ str │ ╞══════════╡ │ mytable1 │ │ mytable2 │ └──────────┘每一行对应一张已注册的表唯一的name列即注册时使用的表名从返回结构看SHOW TABLES结果本身也是一张普通DataFrame因此你仍然可以对它做筛选、排序、SELECT等后续处理。语义边界只列出当前 SQLContext中的表SHOW TABLES最容易被忽略的一点是它的作用域限定它只列出注册在当前SQLContext对象中的表如果你把一张DataFrame注册到了另一个SQLContext或是在另一个 Python 会话里注册它不会出现在这里返回的结果中已通过ctx.unregister(...)移除的表同样不会出现。每个SQLContext是一份独立的状态。多会话、多上下文并存时务必对哪个 context 里有哪张表保持清醒否则很容易出现SQL 查询报找不到表但SHOW TABLES里却看不到对应名字的情况——此时应回到注册它的那个SQLContext去检查。底层实现原理源码级语句分发与执行SQLContext是 Polars SQL 能力的核心类型其实现位于 crates/polars-sql/src/context.rs。SQL 语句解析完成后会进入统一的分发入口execute_statement其中对Statement::ShowTables的专门分支为stmt Statement::ShowTables { .. } self.execute_show_tables(stmt)?,真正的execute_show_tables实现相当精简见 crates/polars-sql/src/context.rs#L921-L926// SHOW TABLES fn execute_show_tables(mut self, _: Statement) - PolarsResultLazyFrame { let tables Column::new(name.into(), self.get_tables()); let df DataFrame::new_infer_height(vec![tables])?; Ok(df.lazy()) }从源码结构看这里与文档描述完全一致调用self.get_tables()取回全部已注册表名把它们放进一个名为name的Column构造单列DataFrame包装成LazyFrame返回与execute的返回约定统一。另外SHOW关键字需要在 SQL 解析阶段被识别crates/polars-sql/src/keywords.rs中将keywords::SHOW纳入了支持的保留字集合最终由 polars-sql 依赖的 SQL 解析器把裸的SHOW TABLES解析为上述ShowTables语句节点。表从哪里来table_map 与 get_tablesSQLContext内部用一张并发安全的映射保存所有注册表见 crates/polars-sql/src/context.rs#L220pub(crate) table_map: ArcRwLockPlHashMapString, LazyFrame,register(name, lf)向table_map写入name - lf条目crates/polars-sql/src/context.rs#L289-L291unregister(name)从table_map中移除条目crates/polars-sql/src/context.rs#L294-L296get_tables()取出全部键并按字典序排序后返回crates/polars-sql/src/context.rs#L268-L272pub fn get_tables(self) - VecString { let mut tables Vec::from_iter(self.table_map.read().unwrap().keys().cloned()); tables.sort_unstable(); tables }因此**SHOW TABLES返回的结果并非插入顺序而是按表名的字典序升序排列**。文档示例里mytable1排在mytable2之前既是注册先后、也恰巧符合字典序如果你注册b_table与a_table返回时a_table会排在前面。值得注意的是SQLContext内部还维护了 CTE 映射cte_map、表别名等其它状态但它们并不属于通过register建立的table_map因此不会被SHOW TABLES列出来。可以推断SHOW TABLES呈现的是会话级、可持久引用的注册表集合而非某条查询内部的临时可见名字。Python 侧的配套 APIPython 的SQLContext只是对 Rust 实现的封装见 crates/polars-python/src/sql.rs与之配套的常用方法有方法说明ctx.execute(query, eagerFalse)执行 SQL 语句默认返回LazyFrameeagerTrue时收集为DataFramectx.get_tables()直接以 Python 列表形式返回当前注册表名等价于SHOW TABLES的数据来源ctx.register(name, frame)用指定名字注册一张DataFrame/LazyFrame为表ctx.unregister(name)从当前 context 注销一张表# 用 register / unregister 动态管理表 ctx.register(mytable3, df2) print(ctx.get_tables()) # [mytable1, mytable2, mytable3] ctx.unregister(mytable3) print(ctx.get_tables()) # [mytable1, mytable2]在日常排错时ctx.get_tables()与SHOW TABLES读到的是同一份table_map数据可以互为印证比如怀疑某张表没注册成功先在SHOW TABLES里确认表名是否存在再排查注册代码。常见的实用排查场景确认表名拼写执行SELECT * FROM mytable1报找不到表时先跑SHOW TABLES核对实际表名是否多了空格、大小写或拼写错误。注意 Polars 的表名解析会忽略大小写从relation_in_scope、get_ignoring_case等逻辑可以看出但表名本身以注册时的字符串为准。确认作用域多个SQLContext并存时用SHOW TABLES分别查询每个 context快速定位表注册在哪个会话。结合 DROP 语句管理生命周期Polars SQL 还支持DROP TABLE [IF EXISTS] 表名等表管理语句其实现同样围绕table_map展开见 crates/polars-sql/src/context.rs#L928-L962。删表后再次执行SHOW TABLES可以验证表是否已正确移除。小结SHOW TABLES语法固定、无参数用于列出当前SQLContext中已注册的全部表返回结果是一个仅含name单列、按字典序排列的DataFrame作用域严格限定在当前SQLContext跨 context、跨会话注册的表不可见其实现由 crates/polars-sql/src/context.rs 中的execute_statement分发至execute_show_tables数据来自table_map通过get_tables()读取并排序Python 侧可用ctx.get_tables()获得等价信息用register/unregister动态增删表后再用SHOW TABLES验证结果。【免费下载链接】polarsExtremely fast Query Engine for DataFrames, written in Rust项目地址: https://gitcode.com/GitHub_Trending/po/polars创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Polars SQL 之 SHOW TABLES：列出 SQLContext 中已注册的 DataFrame 表
Polars SQL 之 SHOW TABLES列出 SQLContext 中已注册的 DataFrame 表【免费下载链接】polarsExtremely fast Query Engine for DataFrames, written in Rust项目地址: https://gitcode.com/GitHub_Trending/po/polarsSHOW TABLES是 Polars 内嵌 SQL 方言中用于列出当前SQLContext中所有已注册表的语句。在 Python 侧每当通过pl.SQLContext(表名DataFrame)或ctx.register(...)将一张DataFrame/LazyFrame注册为表后它就能在后续 SQL 语句中被引用SHOW TABLES则负责把这些已注册表的名字一次性列举出来方便你核对当前会话里到底有哪些表可用。读完本文你将掌握SHOW TABLES的语法、返回结果的结构与排序规则、其底层实现原理以及如何用它排查表注册与作用域问题。SHOW TABLES 语句概述在 Polars 中SQL 并非独立的数据库引擎而是统一由SQLContext对象托管。SQLContext内部维护着一个表名 → 数据集的映射用于在 SQL 语句中把标识符解析为实际的数据帧。SHOW TABLES语句的语法非常简单SHOW TABLES它不带任何参数、子句或分号外的扩展语义等价于把我当前SQLContext注册过的所有表名列出来。官方入门文档可见 docs/source/user-guide/sql/intro.md其中介绍了SQLContext的初始化与多种表注册方式本文所讲解的SHOW TABLES原始文档位于 docs/source/user-guide/sql/show.md。一个完整的 Python 示例Polars 用户指南中给出的完整示例如下对应源码见 docs/source/src/python/user-guide/sql/show.pyimport polars as pl # 创建一些 DataFrame并注册到 SQLContext df1 pl.LazyFrame( { name: [Alice, Bob, Charlie, David], age: [25, 30, 35, 40], } ) df2 pl.LazyFrame( { name: [Ellen, Frank, Gina, Henry], age: [45, 50, 55, 60], } ) ctx pl.SQLContext(mytable1df1, mytable2df2) tables ctx.execute(SHOW TABLES, eagerTrue) print(tables)示例逐步拆解构造数据帧这里使用pl.LazyFrame创建了两份nameage的测试数据。SQLContext对注册为表的输入并无必须懒执行的限制示例选择LazyFrame只是 Polars 的惯例用法。批量注册pl.SQLContext(mytable1df1, mytable2df2)在构造SQLContext的同时通过关键字参数把df1、df2分别以mytable1、mytable2的名字注册成两张表。执行 SHOW TABLES调用ctx.execute(SHOW TABLES, eagerTrue)执行语句。与普通查询一致execute默认返回一个LazyFrame传入eagerTrue后会立刻物化收集为DataFrame以便直接print。输出结果上述脚本的运行结果为一个只含单列列名为name的DataFrameshape: (2, 1) ┌──────────┐ │ name │ │ --- │ │ str │ ╞══════════╡ │ mytable1 │ │ mytable2 │ └──────────┘每一行对应一张已注册的表唯一的name列即注册时使用的表名从返回结构看SHOW TABLES结果本身也是一张普通DataFrame因此你仍然可以对它做筛选、排序、SELECT等后续处理。语义边界只列出当前 SQLContext中的表SHOW TABLES最容易被忽略的一点是它的作用域限定它只列出注册在当前SQLContext对象中的表如果你把一张DataFrame注册到了另一个SQLContext或是在另一个 Python 会话里注册它不会出现在这里返回的结果中已通过ctx.unregister(...)移除的表同样不会出现。每个SQLContext是一份独立的状态。多会话、多上下文并存时务必对哪个 context 里有哪张表保持清醒否则很容易出现SQL 查询报找不到表但SHOW TABLES里却看不到对应名字的情况——此时应回到注册它的那个SQLContext去检查。底层实现原理源码级语句分发与执行SQLContext是 Polars SQL 能力的核心类型其实现位于 crates/polars-sql/src/context.rs。SQL 语句解析完成后会进入统一的分发入口execute_statement其中对Statement::ShowTables的专门分支为stmt Statement::ShowTables { .. } self.execute_show_tables(stmt)?,真正的execute_show_tables实现相当精简见 crates/polars-sql/src/context.rs#L921-L926// SHOW TABLES fn execute_show_tables(mut self, _: Statement) - PolarsResultLazyFrame { let tables Column::new(name.into(), self.get_tables()); let df DataFrame::new_infer_height(vec![tables])?; Ok(df.lazy()) }从源码结构看这里与文档描述完全一致调用self.get_tables()取回全部已注册表名把它们放进一个名为name的Column构造单列DataFrame包装成LazyFrame返回与execute的返回约定统一。另外SHOW关键字需要在 SQL 解析阶段被识别crates/polars-sql/src/keywords.rs中将keywords::SHOW纳入了支持的保留字集合最终由 polars-sql 依赖的 SQL 解析器把裸的SHOW TABLES解析为上述ShowTables语句节点。表从哪里来table_map 与 get_tablesSQLContext内部用一张并发安全的映射保存所有注册表见 crates/polars-sql/src/context.rs#L220pub(crate) table_map: ArcRwLockPlHashMapString, LazyFrame,register(name, lf)向table_map写入name - lf条目crates/polars-sql/src/context.rs#L289-L291unregister(name)从table_map中移除条目crates/polars-sql/src/context.rs#L294-L296get_tables()取出全部键并按字典序排序后返回crates/polars-sql/src/context.rs#L268-L272pub fn get_tables(self) - VecString { let mut tables Vec::from_iter(self.table_map.read().unwrap().keys().cloned()); tables.sort_unstable(); tables }因此**SHOW TABLES返回的结果并非插入顺序而是按表名的字典序升序排列**。文档示例里mytable1排在mytable2之前既是注册先后、也恰巧符合字典序如果你注册b_table与a_table返回时a_table会排在前面。值得注意的是SQLContext内部还维护了 CTE 映射cte_map、表别名等其它状态但它们并不属于通过register建立的table_map因此不会被SHOW TABLES列出来。可以推断SHOW TABLES呈现的是会话级、可持久引用的注册表集合而非某条查询内部的临时可见名字。Python 侧的配套 APIPython 的SQLContext只是对 Rust 实现的封装见 crates/polars-python/src/sql.rs与之配套的常用方法有方法说明ctx.execute(query, eagerFalse)执行 SQL 语句默认返回LazyFrameeagerTrue时收集为DataFramectx.get_tables()直接以 Python 列表形式返回当前注册表名等价于SHOW TABLES的数据来源ctx.register(name, frame)用指定名字注册一张DataFrame/LazyFrame为表ctx.unregister(name)从当前 context 注销一张表# 用 register / unregister 动态管理表 ctx.register(mytable3, df2) print(ctx.get_tables()) # [mytable1, mytable2, mytable3] ctx.unregister(mytable3) print(ctx.get_tables()) # [mytable1, mytable2]在日常排错时ctx.get_tables()与SHOW TABLES读到的是同一份table_map数据可以互为印证比如怀疑某张表没注册成功先在SHOW TABLES里确认表名是否存在再排查注册代码。常见的实用排查场景确认表名拼写执行SELECT * FROM mytable1报找不到表时先跑SHOW TABLES核对实际表名是否多了空格、大小写或拼写错误。注意 Polars 的表名解析会忽略大小写从relation_in_scope、get_ignoring_case等逻辑可以看出但表名本身以注册时的字符串为准。确认作用域多个SQLContext并存时用SHOW TABLES分别查询每个 context快速定位表注册在哪个会话。结合 DROP 语句管理生命周期Polars SQL 还支持DROP TABLE [IF EXISTS] 表名等表管理语句其实现同样围绕table_map展开见 crates/polars-sql/src/context.rs#L928-L962。删表后再次执行SHOW TABLES可以验证表是否已正确移除。小结SHOW TABLES语法固定、无参数用于列出当前SQLContext中已注册的全部表返回结果是一个仅含name单列、按字典序排列的DataFrame作用域严格限定在当前SQLContext跨 context、跨会话注册的表不可见其实现由 crates/polars-sql/src/context.rs 中的execute_statement分发至execute_show_tables数据来自table_map通过get_tables()读取并排序Python 侧可用ctx.get_tables()获得等价信息用register/unregister动态增删表后再用SHOW TABLES验证结果。【免费下载链接】polarsExtremely fast Query Engine for DataFrames, written in Rust项目地址: https://gitcode.com/GitHub_Trending/po/polars创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考