Элементы карты Polars не работают должным образом с isinstance

У меня есть фрейм данных Polars с двумя столбцами, один содержит списки строк, а другой - одну строку. Я хочу применить следующее выражение к обоим столбцам. Однако по какой-то причине isinstance(x, list) не работает должным образом.

def process_column(column_name: str, alias_name: str) -> pl.Expr:
    return (
        pl.col(column_name).map_elements(
            lambda x: " ".join(x) if isinstance(x, list) else x
        )
        .str.to_lowercase()
        .str.split(by = "-")
        .list.join(" ")
        .alias(alias_name)
        )

Вот пример кадра данных

df = pl.DataFrame({
    "lists": [["hello", "World"], ["polars", "IS", "fast"]],
    "strings": ["foo-hello", "bOO"]
})

Применение process_column к столбцу "strings" дает ожидаемый результат.

df.with_columns(process_column("strings", "processed_string"))

Однако для столбца "lists" ставится SchemaError.

df.with_columns(process_column("lists", "processed_lists"))
polars.exceptions.SchemaError: invalid series dtype: expected `String`, got `list[str]`

Я попробовал использовать map_elements с return_dtype=pl.String. Это не возвращает ошибку, но вывод неправильный.

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
2
0
90
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Я бы начал с проверки того, что происходит при применении pl.Expr.map_elements к столбцу типа List[pl.String] следующим образом.

def check(x):
    print(x)
    return x

df.with_columns(
    pl.col("lists").map_elements(check)
)
shape: (2,)
Series: '' [str]
[
    "hello"
    "World"
]
shape: (3,)
Series: '' [str]
[
    "polars"
    "IS"
    "fast"
]
shape: (2, 2)
┌──────────────────────────┬───────────┐
│ lists                    ┆ strings   │
│ ---                      ┆ ---       │
│ list[str]                ┆ str       │
╞══════════════════════════╪═══════════╡
│ ["hello", "World"]       ┆ foo-hello │
│ ["polars", "IS", "fast"] ┆ bOO       │
└──────────────────────────┴───────────┘

Это говорит о том, что функция, переданная в pl.Expr.map_elements, получает не собственные списки Python, а вместо этого pl.Series объекты. Следовательно, нам следует заменить

lambda x: " ".join(x) if isinstance(x, list) else x

с

lambda x: x.str.concat(" ").item() if isinstance(x, pl.Series) else x

для получения ожидаемого результата.

def process_column(column_name: str, alias_name: str) -> pl.Expr:
    return (
        pl.col(column_name)
        .map_elements(
            lambda x: x.str.concat(" ").item() if isinstance(x, pl.Series) else x,
            return_dtype=pl.String
        )
        .str.to_lowercase()
        .str.split(by = "-")
        .list.join(" ")
        .alias(alias_name)
    )

df.with_columns(process_column("lists", "processed_lists"))

Примечание. Я также добавил параметр return_dtype=pl.String, чтобы отключить предупреждение о вызове map_elements без указания return_dtype, что может привести к непредсказуемым результатам.

shape: (2, 3)
┌──────────────────────────┬───────────┬─────────────────┐
│ lists                    ┆ strings   ┆ processed_lists │
│ ---                      ┆ ---       ┆ ---             │
│ list[str]                ┆ str       ┆ str             │
╞══════════════════════════╪═══════════╪═════════════════╡
│ ["hello", "World"]       ┆ foo-hello ┆ hello world     │
│ ["polars", "IS", "fast"] ┆ bOO       ┆ polars is fast  │
└──────────────────────────┴───────────┴─────────────────┘

Другие вопросы по теме