はじめに

Gemini 2.5 Proで下記のPolars 100+ノックを解いてみました。

本記事は以下の記事の後編になります。

Polarsのバージョンは1.33.1を使い、Google AI StudioのGemini 2.5 ProにGrounding with Google Searchツールをオンにして実行しました。

対象読者

Polarsを学習している方
LLMのコード生成の精度に関心がある方
Polarsの最新仕様と過去バージョンの違いを理解したい方

全体の正解率と考察

総合正解率は83%（109問中91問）でした。

練習問題は「Part 1: 基本編」から始まり、「Part 5: Polarsエコシステムと総合演習」と進むにつれて難易度が上がる構成ですが、前編後編とも同じくらいの正解率でした。これは、ツール利用が関係しているかもしれません。

以下に、正解したものの改善の余地がある解答と、不正解だった解答について詳しく解説します。

正解と模範解答

Geminiの解答の中には、正解ではあるものの、よりシンプルでPolarsらしい書き方ができるものがありました。

`問題 5.3.1` 折れ線グラフ

_dfを使って次の要件で折れ線グラフを作成し、変数ansに代入してください。

X軸は列Name

Y軸は列Score

Y軸のラベルは得点

列Subjectごとに線を引くこと
import altair as alt

_df = pl.DataFrame({
    "Name": ["A", "A", "B", "B", "C", "C"],
    "Subject": ["Math", "Music", "Math", "Music", "Math", "Music"],
    "Score": [85, 90, 94, 88, 80, 93],
})

Geminiの解答

ans = alt.Chart(_df).mark_line().encode(
    x="Name",
    y=alt.Y("Score", title="得点"),
    color="Subject"
)

模範解答

ans = _df.plot.line(
    x="Name",
    y=alt.Y("Score", title="得点"),
    color="Subject",
)

補足

Geminiの解答はグラフ描画ライブラリAltairの一般的な記法です。
一方で、模範解答は_df.plot.line()というPolarsのPlotting API（Altairの糖衣構文）です。Polarsの学習においては、こちらの簡潔な書き方を覚える方が効率的でしょう。

`問題 5.3.2` 散布図

_dfを使って次の要件で散布図を作成し、変数ansに代入してください。

X軸は列Math

Y軸は列Music

タイトルは2教科の関係
import altair as alt

_df = pl.DataFrame({
    "Math": [33, 21, 42],
    "Music": [23, 34, 26],
})

Geminiの解答

ans = alt.Chart(_df).mark_circle().encode(
    x='Math',
    y='Music'
).properties(
    title='2教科の関係'
)

模範解答

ans = _df.plot.scatter(
    x="Math",
    y="Music",
).properties(
    title="2教科の関係",
)

補足

前問と同じく糖衣構文を使っていません。散布図なのでplot.scatter()で覚えた方がよいでしょう。

不正解の解答

`問題 4.1.2` グループ内累積和

df_weatherを次の条件で修正し、変数ansに代入してください。

年ごとに日々の降水量(PRCP)の累積和を計算する

列名をCumulativePRCPとする

Geminiの解答

ans = df_weather.with_columns(
    pl.col('PRCP').cumsum().over(pl.col('DATE').dt.year()).alias('CumulativePRCP')
)

模範解答

ans = df_weather.with_columns(
    CumulativePRCP=col.PRCP.cum_sum().over(col.DATE.dt.year()),
)

補足

cumsum()はバージョン0.20で廃止されました。cum_sum()に直せば正解です。

`問題 4.1.8` 条件付きウィンドウ

4.1.1のdf_titanicを次の条件で修正し、変数ansに代入してください。

各客室クラス (Pclass) 内で、運賃が50以上の乗客のみを対象に、運賃の累積和を計算する

運賃が50未満の乗客は運賃を0とみなす

列名をConditionalCumulativeFareとする

Geminiの解答

ans = df_titanic.with_columns(
    pl.when(pl.col("Fare") >= 50)
    .then(pl.col("Fare"))
    .otherwise(0)
    .cumsum()
    .over("Pclass")
    .alias("ConditionalCumulativeFare")
)

模範解答

ans = df_titanic.with_columns(
    ConditionalCumulativeFare=pl.when(col.Fare >= 50)
    .then(col.Fare)
    .otherwise(0)
    .cum_sum()
    .over("Pclass")
)

補足

この解答もcumsum()をcum_sum()に直せば正解です。
AIが作成するコードでは古いバージョンによるエラーに注意しましょう。

`問題 4.4.2` 行ごとに関数を適用 (map_rows)

_dfを次の条件で修正し、変数ansに代入してください。

各行に関数valueを適用した列だけにする

列名をValとする

関数_valueを使うこと
_df = pl.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})

def _value(row: tuple[int, int]) -> int:
    return row[0] + 2 * row[1]

Geminiの解答

ans = _df.map_rows(_value).alias("Val").to_frame()

模範解答

ans = _df.map_rows(_value).rename({"map": "Val"})

補足

map_rows()の後の処理が誤っています。map_rows()は新しいDataFrameを返しますが、そのままでは列名が"map"となるため、rename()での変更が必要です。

`問題 5.2.3` DataFrameに直接SQL実行

次の要件でDataFrameを作成し、変数ansに代入してください。

グローバルスコープにあるDataFrameに対して pl.sql()を使って直接クエリを実行する
_query = "SELECT COUNT(*) as num_passengers FROM df_titanic"

Geminiの解答

context = pl.SQLContext()
context.register("df_titanic", df_titanic)
ans = context.execute(_query)

模範解答

ans = pl.sql(_query).collect()

補足

.collect()をつければ正解と同じ値にはなりますが、問題で指示されているpl.sql()を使っていません。

`問題 5.2.4` SQLでテーブル作成

5.2.1のctxから次の要件でDataFrameを作成し、変数ansに代入してください。

登録した'titanic'テーブルから、新しいテーブル作成のSQLクエリを実行する
_query = "CREATE TABLE survivors AS SELECT * FROM titanic WHERE Survived = 1"

Geminiの解答

ans = ctx.execute(query).collect()

模範解答

ans = ctx.execute(_query).collect()

補足

問題文に与えられた_queryを無視してqueryを使っています。
「クエリと言えばquery」というようなある種の思い込みは他でもよく見られます。

`問題 5.4.2` 顧客のRFM分析

この最終演習では、Online Retailデータセットを用いて、顧客セグメンテーションの一般的な手法であるRFM（Recency, Frequency, Monetary）分析を行います。これは、データクリーニング、時系列処理、複雑な集計など、多くのスキルを統合する実践的な課題です。

_dfを元に、各顧客についてRFM指標を計算し、最終結果を変数ansに代入してください。

手順

データクリーニング

InvoiceDateをdatetime型に変換(format="%m/%d/%y %H:%M")

Quantity > 0、UnitPrice > 0、CustomerIDが欠損以外でフィルタリング

RFM指標を計算

CustomerIDでグループ化し以下を修正

列Recencyとして、「グループ化前のInvoiceDateの最大値」からInvoiceDateの最大値を引い> た日数+1

列Frequencyとして、InvoiceNoのユニーク数

列Monetaryとして、(Quantity * UnitPrice)の合計

列Monetaryで降順に、列CustomerIDで昇順にソート

最初の3行が下記のようになること。

CustomerID	Recency	Frequency	Monetary
14646	7	29	121973.65
18102	12	20	106601.55
12346	160	1	77183.6

Geminiの解答

df_cleaned = _df.with_columns(
    pl.col("InvoiceDate").str.to_datetime(format="%m/%d/%y %H:%M")
).filter(
    (pl.col("Quantity") > 0)
    & (pl.col("UnitPrice") > 0)
    & (pl.col("CustomerID").is_not_null())
)

snapshot_date = df_cleaned.select(pl.max("InvoiceDate")).collect().item()

ans = (
    df_cleaned.group_by("CustomerID")
    .agg(
        Recency=(snapshot_date - pl.max("InvoiceDate")).dt.days() + 1,
        Frequency=pl.n_unique("InvoiceNo"),
        Monetary=(pl.col("Quantity") * pl.col("UnitPrice")).sum(),
    )
    .sort(["Monetary", "CustomerID"], descending=[True, False])
    .collect()
)

模範解答

# 1. データクリーニング
_tmp = _df.with_columns(
    col.InvoiceDate.str.to_datetime(format="%m/%d/%y %H:%M"),
).filter(
    col.Quantity > 0,
    col.UnitPrice > 0,
    col.CustomerID.is_not_null(),
)

# 2. RFM指標を計算
_tmp = (
    _tmp.with_columns(
        Recency=(
            col.InvoiceDate.max() - col.InvoiceDate.max().over("CustomerID")
        ).dt.total_days() + 1,
    )
    .group_by("CustomerID")
    .agg(
        col.Recency.first(),
        Frequency=col.InvoiceNo.n_unique(),
        Monetary=(col.Quantity * col.UnitPrice).sum(),
    )
)

# 3. 列`Monetary`で降順に、列`CustomerID`で昇順にソート
ans = _tmp.sort(["Monetary", "CustomerID"], descending=[True, False]).collect()

補足

dt.days()というメソッドはPolarsに存在しません。これをdt.total_days()に変えれば正解になります。

まとめ

Gemini 2.5 Proを使ってPolars 100+ノックを解いてみた結果、正解率は83%でした。
多くの解答は模範解答として使えそうです。ただし、AIが生成したコードを鵜呑みにするのではなく、きちんと確認することが重要です。

実は、Geminiの解答を確認していく中で問題の不備を見つけることができました。
AIを学習ツールとして活用する際は、単に答え合わせをするだけでなく、「なぜこのコードが生成されたのか」「より良い書き方はないか」といった視点で検証することで、より深い理解に繋がると感じました。