Как отфильтровать пустые значения из столбца Python Polars Dataframe?

У меня есть фрейм данных python polars как-

df_pol = pl.DataFrame({'test_names':[['Mallesham','','Bhavik','Jagarini','Jose','Fernando'],
                                    ['','','','ABC','','XYZ']]})

Я хотел бы получить количество элементов из каждого списка в поле test_names, не учитывая пустые значения.

df_pol.with_column(pl.col('test_names').arr.lengths().alias('tot_names'))

Здесь учитываются пустые строки, поэтому мы видим 6 имен в списке-2. на самом деле у него всего два имени.

требуемый вывод как:

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.
1
0
120
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Ответ принят как подходящий

Вы можете использовать arr.eval для запуска любого полярного выражения для элементов списка. В выражении arr.eval вы можете pl.element() ссылаться на элемент списка, а затем применять выражение.

Затем мы просто используем выражение filter, чтобы удалить ненужные значения.

df = pl.DataFrame({
    "test_names":[
        ["Mallesham","","Bhavik","Jagarini","Jose","Fernando"],
        ["","","","ABC","","XYZ"]
    ]
})

df.with_column(
    pl.col("test_names").arr.eval(pl.element().filter(pl.element() != ""))
)
shape: (2, 1)
┌─────────────────────────────────────┐
│ test_names                          │
│ ---                                 │
│ list[str]                           │
╞═════════════════════════════════════╡
│ ["Mallesham", "Bhavik", ... "Fer... │
├╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
│ ["ABC", "XYZ"]                      │
└─────────────────────────────────────┘

Хороший вопрос — в основном мы хотим применить фильтр к каждому элементу списка.

Мы делаем это с помощью arr.eval, что позволяет нам выполнять операции внутри Series в каждой строке и использовать pl.element в качестве прокси для Series в каждой строке.

(
    df_pol
    .with_column(
        pl.col('test_names').arr.eval(
            pl.element().filter(pl.element().str.lengths()>0)
         )
         .arr.lengths()
         .alias('tot_names')
     )
)

Другие вопросы по теме