1. Polars란

오픈소스 프로젝트인 Polars에서 기여하는 과정을 정리합니다.

Polar란

polars는 Apache Arrow Columnar Format 메모리 모델을 바탕으로 개발된 DataFrames 라이브러리이며, Rust로 작성되었다. 데이터 분석 시에 사용되는 pandas 라이브러리와 많이 비교된다.

Polars 장점

• 매우 빠르다. 다른 라이브러리와의 벤치마킹 결과를 이 페이지에서 확인할 수 있다.
• 가볍다. Dependency가 거의 없고 Import 속도도 매우 빠르다.
• RAM보다 큰 데이터도 핸들링할 수 있다. 메모리보다 큰 데이터가 있는 경우 쿼리를 스트리밍 방식으로 처리하여 메모리 요구량이 줄어든다.

사용 방법 예시

자세한 사용 방법은 유저 가이드 에서 확인할 수 있다.

>>> import polars as pl

# 데이터프레임 생성
>>> df = pl.DataFrame(
...     {
...         "A": [1, 2, 3, 4, 5],
...         "fruits": ["banana", "banana", "apple", "apple", "banana"],
...         "B": [5, 4, 3, 2, 1],
...         "cars": ["beetle", "audi", "beetle", "beetle", "beetle"],
...     }
... )

>>> df
shape: (5, 4)
┌─────┬────────┬─────┬────────┐
│ A   ┆ fruits ┆ B   ┆ cars   │
│ --- ┆ ---    ┆ --- ┆ ---    │
│ i64 ┆ str    ┆ i64 ┆ str    │
╞═════╪════════╪═════╪════════╡
│ 1   ┆ banana ┆ 5   ┆ beetle │
│ 2   ┆ banana ┆ 4   ┆ audi   │
│ 3   ┆ apple  ┆ 3   ┆ beetle │
│ 4   ┆ apple  ┆ 2   ┆ beetle │
│ 5   ┆ banana ┆ 1   ┆ beetle │
└─────┴────────┴─────┴────────┘

    # "fruits"기준으로 정렬
>>> df.sort("fruits").select(
...     "fruits",  # "fruits" 컬럼
...     "cars",  # "cars" 컬럼
...     pl.lit("fruits").alias("literal_string_fruits"),
...     pl.col("B").filter(pl.col("cars") == "beetle").sum(),
...     pl.col("A").filter(pl.col("B") > 2).sum().over("cars").alias("sum_A_by_cars"),
...     pl.col("A").sum().over("fruits").alias("sum_A_by_fruits"),
...     pl.col("A").reverse().over("fruits").alias("rev_A_by_fruits"),
...     pl.col("A").sort_by("B").over("fruits").alias("sort_A_by_B_by_fruits"),
... )
shape: (5, 8)
┌──────────┬──────────┬──────────────┬─────┬─────────────┬─────────────┬─────────────┬─────────────┐
│ fruits   ┆ cars     ┆ literal_stri ┆ B   ┆ sum_A_by_ca ┆ sum_A_by_fr ┆ rev_A_by_fr ┆ sort_A_by_B │
│ ---      ┆ ---      ┆ ng_fruits    ┆ --- ┆ rs          ┆ uits        ┆ uits        ┆ _by_fruits  │
│ str      ┆ str      ┆ ---          ┆ i64 ┆ ---         ┆ ---         ┆ ---         ┆ ---         │
│          ┆          ┆ str          ┆     ┆ i64         ┆ i64         ┆ i64         ┆ i64         │
╞══════════╪══════════╪══════════════╪═════╪═════════════╪═════════════╪═════════════╪═════════════╡
│ "apple"  ┆ "beetle" ┆ "fruits"     ┆ 11  ┆ 4           ┆ 7           ┆ 4           ┆ 4           │
│ "apple"  ┆ "beetle" ┆ "fruits"     ┆ 11  ┆ 4           ┆ 7           ┆ 3           ┆ 3           │
│ "banana" ┆ "beetle" ┆ "fruits"     ┆ 11  ┆ 4           ┆ 8           ┆ 5           ┆ 5           │
│ "banana" ┆ "audi"   ┆ "fruits"     ┆ 11  ┆ 2           ┆ 8           ┆ 2           ┆ 2           │
│ "banana" ┆ "beetle" ┆ "fruits"     ┆ 11  ┆ 4           ┆ 8           ┆ 1           ┆ 1           │
└──────────┴──────────┴──────────────┴─────┴─────────────┴─────────────┴─────────────┴─────────────┘

위 예시 중에서 몇 가지 문법을 간단하게 해석해보자.

• pl.lit("fruits").alias("literal_string_fruits"): fruits라는 문자열을 데이터로 literal_string_fruits 컬럼 생성
• pl.col("B").filter(pl.col("cars") == "beetle").sum(): cars 컬럼이 beetle인 B 요소만 더한 값
• pl.col("A").filter(pl.col("B") > 2).sum().over("cars").alias("sum_A_by_cars"): B 컬럼 값이 2보다 큰 A 컬럼을 cars 기준으로 더한 값
• pl.col("A").sum().over("fruits").alias("sum_A_by_fruits"): A 컬럼을 fruits 기준으로 더한 값
• pl.col("A").reverse().over("fruits").alias("rev_A_by_fruits"): fruits 기준으로 A 컬럼 값을 반전
• pl.col("A").sort_by("B").over("fruits").alias("sort_A_by_B_by_fruits"): fruits 기준으로 A 컬럼을 B 값으로 정렬

컨트리뷰션 가이드

오픈소스에 기여하기 위해서는 컨트리뷰션 가이드를 먼저 읽어보는 것이 좋다. 만약 다른 컨트리뷰터와 소통하고 싶다면 디스코드에서 만날 수 있다.

1. 해결하고 싶은 이슈 고르기

먼저 해결하고 싶은 이슈를 골라야 한다. open된 이슈 목록은 이슈 페이지에서 확인할 수 있으며, 처음 도전하는 경우 label에서 good first issue로 필터링해서 골라도 된다.

issue

만약 좀 더 주요한 이슈를 고르고 싶다면 label에서 help wanted로 필터링하면 목록을 볼 수 있다.

2. 로컬 환경 구성하기

polars는 크게 Rust, Python, Node.js로 구성되어 있다. polars의 경우 Rust와 Python 환경이 필요하며, Node.js에 기여를 하고 싶다면 [nodejs-polars]](https://github.com/pola-rs/nodejs-polars)를 살펴보자. 이 글에서는 polars 저장소를 기준으로 한다.

개발을 위한 로컬 환경을 구성해야 한다. 먼저 polars repo를 내 계정으로 fork 한다.

git clone git@github.com:<username>/polars.git
cd polars

그 다음 Rust와 python을 설치한다. Rust의 경우 rustup을 사용하여 다운로드 받기를 추천한다. 설치가 끝났다면 아래 명령어를 입력하여 toolchain도 설치한다.

rustup toolchain install nightly --component miri

마지막으로 python은 pyenv 환경을 구성한다.

cd py-polars
source .venv/bin/activate
make test

테스트가 정상적으로 완료되었다면 아래 코드를 사용하여 린트 도구도 정상 작동하는지 확인한다.

make pre-commit

모든 것이 완료되었다면 커밋할 준비가 된 것이다.

3. 이슈 해결하기

로컬 레파지토리에서 새로운 브랜치를 하나 생성해서 코딩을 시작한다. 코어 코드들은 polars 디렉토리에 있고, Python 코드들은 py-polars 디렉토리에 있다. 두 디렉토리에 모두 유용한 명령어가 포함된 Makefile이 포함되어 있다.

• make test: 다양한 테스트를 실행.
• make pre-commit: 포메팅과 린트 이슈를 확인.

이슈 해결을 진행할 때 아래 사항들을 유의해야 한다.

• 위 두 개의 make 명령어가 실패하면 작업한 내용을 병합할 수 없다.
• 테스트가 필요한 코드를 추가했다면 꼭 테스트도 추가해주어야 한다.
• Public API를 변경하는 경우 문서를 업데이트 해야 한다.

4. PR 올리기

문제를 해결했다면 PR(Pull Request)을 올릴 수 있다. PR은 아래 가이드라인을 준수해야 한다.

• PR 제목은 커밋 컨벤션에 맞춰 작성해야 한다. 올바르게 작성된 제목은 변경이력에 기여내용을 남기는 데 도움이 된다. 범위는 기여도에 따라 Rust 또는 Python이 될 수 있다.
• 제목에 변경에 대한 설명을 포함해야 한다. 이 텍스트는 변령이력에 포함된다.
• PR 설명에 작업 중인 이슈에 대한 링크를 추가해야 한다.
• 설명에 메인테이너가 코드를 검토하는 데 도움이 될 수 있는 관련 정보를 추가해야 한다.
• 지금 브랜치가 최신 버전에 대해 rebase가 되어 있는지 확인해야 한다.
• 모든 Github 작업 확인을 통과했는지 확인해야 한다.

PR을 열면 메인테이너가 이를 검토하고 몇 가지 의견을 남길 수 있다. 모든 문제가 해결되면 메인테이너가 PR을 병합하고 기여한 내용이 다음 polars 릴리즈에 포함될 것이다.

해결이 막히거나 확실하지 않은 경우 PR 드래프트를 열어 도움을 요청할 수도 있다.