你的项目中有一堆数据文件，它们都遵循一致的数据模式。
你得到了一个新文件，并发现从现在开始将会有一些有用的额外列。你打算如何将这个文件与旧数据合并起来呢？
在数据处理中，合并数据集是一项常见任务。通常，合并可以分为水平合并（如 pandas 中的 merge 或 join）和垂直合并（如 pandas 中的 concat）。然而，在某些情况下，我们需要以一种特殊的方式合并数据，即“对角合并”或“对角拼接”，这种合并方式在 Polars 数据分析库中被称为 “diagonal concatenation”。
在上面的例子中，垂直合并（vertical concatenation）不适用，因为它不喜欢模式变化。
这时就是Polars中的对角合并（diagonal concatenation）发挥作用的时候了。
对角合并可以用 polars.concat 函数完成，但需要指定一个参数 how="diagonal"
例子如下：
# 旧模式包含年份、出口商和进口商三个字段。
dfTrades2020 = pl.DataFrame(
[
{"year":2020,"exporter":"China","importer":"USA"},
{"year":2020,"exporter":"China","importer":"USA"},
]
)
shape: (2, 3)
┌──────┬──────────┬──────────┐
│ year ┆ exporter ┆ importer │
│ --- ┆ --- ┆ --- │
│ i64 ┆ str ┆ str │
╞══════╪══════════╪══════════╡
│ 2020 ┆ China ┆ USA │
│ 2020 ┆ China ┆ USA │
└──────┴──────────┴──────────┘
# 新模式包含价值
dfTrades2021 = pl.DataFrame(
[
{"year":2021,"exporter":"China","importer":"USA","value":10},
{"year":2021,"exporter":"China","importer":"USA","value":100},
]
)
shape: (2, 4)
┌──────┬──────────┬──────────┬───────┐
│ year ┆ exporter ┆ importer ┆ value │
│ --- ┆ --- ┆ --- ┆ --- │
│ i64 ┆ str ┆ str ┆ i64 │
╞══════╪══════════╪══════════╪═══════╡
│ 2021 ┆ China ┆ USA ┆ 10 │
│ 2021 ┆ China ┆ USA ┆ 100 │
└──────┴──────────┴──────────┴───────┘
# 对角合并
pl.concat([dfTrades2020,dfTrades2021],how="diagonal")对角合并会将你的新记录及其新列追加到旧记录之后，并在旧记录的新列中添加空值（null），以表示数据缺失。这是有序的。
shape: (4, 4)
┌──────┬──────────┬──────────┬───────┐
│ year ┆ exporter ┆ importer ┆ value │
│ --- ┆ --- ┆ --- ┆ --- │
│ i64 ┆ str ┆ str ┆ i64 │
╞══════╪══════════╪══════════╪═══════╡
│ 2020 ┆ China ┆ USA ┆ null │
│ 2020 ┆ China ┆ USA ┆ null │
│ 2021 ┆ China ┆ USA ┆ 10 │
│ 2021 ┆ China ┆ USA ┆ 100 │
└──────┴──────────┴──────────┴───────┘
