トップ / 実行・アクション・IO

collect

それまで積み上げた変換を実際に評価し、結果を手元に取得する。最も基本的なアクション。

df.collect()  # Rowオブジェクトのリストを返す

ldf.collect()  # Polars DataFrameを返す

挙動・設計の違い

Snowparkのcollect()はSnowflakeのウェアハウスに最適化されたSQLを送信・実行し、結果をネットワーク経由で受け取ってRowオブジェクトのリストにする。Polarsのcollect()はRustの実行エンジンをその場で起動し、結果をメモリ上のPolars DataFrameとして保持する。呼び出す場所（クラウドかローカルか）が違うだけで、「それまでの変換をここで初めて評価する」という役割は同じ。

移行時の落とし穴

巨大なデータセットに対して不用意にcollect()を呼ぶと、結果を全てクライアント側のメモリに載せようとしてメモリ不足（OOM）でプロセスが落ちるリスクは、SnowparkでもPolarsでも共通して存在する。件数を絞ってからcollect()する、あるいは後述のto_local_iteratorのようなストリーミング手段を検討する。

実行・アクション・IOの他のメソッド

• show ── 結果の先頭数行を、確認用に画面へ表示する。
• first ── 先頭の1行だけを取得する。
• take ── 指定した件数の行を取得する。
• to_pandas ── 結果をpandas DataFrameに変換する。
• to_local_iterator ── 結果を全件メモリに載せず、1行（またはチャンク）ずつ順番に処理する。
• cache_result ── それまでの計算結果を1度だけ確定させ、以降はその結果を使い回す。
• createOrReplaceView（create_or_replace_view） ── 今のDataFrameの定義を、他のSQLセッションからも参照できるビューとして登録する。
• createOrReplaceTempView（create_or_replace_temp_view） ── 今のセッション限定で有効な、一時的なビューを作る。
• write.save_as_table ── 結果をテーブル（またはファイル）として書き出す。
• explain ── その時点までの変換が、実際にどう実行される予定かを表示する。

出典・検証情報

• Snowpark 公式リファレンス（collect）
• Polars 公式リファレンス（collect）

Polars 1.43.2 で実行確認 / Snowpark Python SDK 1.54.0 で静的検証（2026-08-26）