Как заменить пустые списки в полярах (python)?

Дан фрейм данных polars с пустыми списками в значениях столбца. Как я могу заменить их на pl.Null или None, чтобы считать их пропущенными значениями?

ine_items   contacts
list[null]  list[str]
[]  []
[]  []
[]  ["1081"]
[]  ["1313"]
[]  ["3657"]
df.with_columns(
   pl.when(pl.col(pl.List(pl.Null))
     .then(None)
     .otherwise(pl.col(pl.List()))
     .keep_name()
)

Кажется, я не могу нацелить содержимое [] с помощью селектора when(), и я не уверен, что блок otherwise может сохранить исходное значение, если список не пуст (например, ['1246'])

Все pl.List, pl.Float, pl.Int и все, что начинается с заглавной буквы, являются типами данных. То, что вы ищете, это .arr.lengths()==0

Dean MacGregor 22.02.2023 00:13
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.
0
1
51
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Как упомянул @Dean MacGregor, вы можете сделать это с помощью .arr.lenghts()==0.

Вот код для него:

import polars as pl

# example dataframe
df = pl.DataFrame({
        'contacts' : [[],[], ['1081'],['1313'],['3657']],
        'line_items' : [[],[],[],[],[]]
    }, schema=[('contacts',pl.List(pl.Utf8)), ('line_items',pl.List(pl.Utf8))]
)

shape: (5, 2)
┌───────────┬────────────┐
│ contacts  ┆ line_items │
│ ---       ┆ ---        │
│ list[str] ┆ list[str]  │
╞═══════════╪════════════╡
│ []        ┆ []         │
│ []        ┆ []         │
│ ["1081"]  ┆ []         │
│ ["1313"]  ┆ []         │
│ ["3657"]  ┆ []         │
└───────────┴────────────┘

# transformation for 1 column

df.with_columns(
    pl.when(pl.col('contacts').arr.lengths() == 0)
        .then(None)
        .otherwise(pl.col('contacts')).keep_name(),
)

shape: (5, 2)
┌───────────┬────────────┐
│ contacts  ┆ line_items │
│ ---       ┆ ---        │
│ list[str] ┆ list[str]  │
╞═══════════╪════════════╡
│ null      ┆ []         │
│ null      ┆ []         │
│ ["1081"]  ┆ []         │
│ ["1313"]  ┆ []         │
│ ["3657"]  ┆ []         │
└───────────┴────────────┘

# EDIT: added transformation for all columns of datatype List(Str)

df.with_columns(
    pl.when(
        pl.col(column.name).arr.lengths() == 0)
            .then(None)
            .otherwise(pl.col(column.name))
            .keep_name() 
    for column in df if column.dtype == pl.List(pl.Utf8)
)

shape: (5, 2)
┌───────────┬────────────┐
│ contacts  ┆ line_items │
│ ---       ┆ ---        │
│ list[str] ┆ list[str]  │
╞═══════════╪════════════╡
│ null      ┆ null       │
│ null      ┆ null       │
│ ["1081"]  ┆ null       │
│ ["1313"]  ┆ null       │
│ ["3657"]  ┆ null       │
└───────────┴────────────┘

Спасибо @luca, все работает гладко. Есть ли способ сделать это имя столбца независимым? Вот почему я экспериментировал с полярными типами данных, чтобы не указывать имена столбцов.

Valentine 22.02.2023 10:32

Привет, @Valentine, я добавил пример преобразования на основе типа столбца, а не имени столбца. Таким образом, вы можете запускать его независимо от имен столбцов. Я также заменил alias() на keep_name() для простоты.

Luca 22.02.2023 11:07

Я бы использовал df.schema вместо доступа ко всему df в вашем понимании генератора. т.е. pl.when(pl.col(colname).arr.lengths() == 0).then(None).otherwise(pl.col(colname)).keep_name() for colname in [coltuple[0] for coltuple in df.schema.items() if coltuple[1] == pl.List(pl.Utf8)]

Dean MacGregor 22.02.2023 12:47

На самом деле вы можете сократить его до просто df.with_columns( pl.when( pl.col(colname).arr.lengths() > 0) .then(pl.col(colname)) for colname in [coltuple[0] for coltuple in df.schema.items() if coltuple[1] == pl.List(pl.Utf8)] )

Dean MacGregor 22.02.2023 12:50

Кроме того, хорошо ставить разрывы строк там, где длинный код в противном случае вызывал бы правую/левую полосу прокрутки. Я редактировал разрывы строк, но не редактировал код.

Dean MacGregor 22.02.2023 12:55

Привет, @DeanMacGregor, спасибо за добавление df.schema. Я предполагаю, что преимущество этого заключается в скорости и в том, что доступ к df не осуществляется с пониманием списка?

Luca 22.02.2023 13:23

@Luca, когда вы перебираете df, он получает доступ ко всему столбцу. Например, for i in df: print(i) представляет каждый столбец как серию. Может быть, я ошибаюсь, и внутри он делает одно и то же в любом случае, я не уверен.

Dean MacGregor 22.02.2023 13:34

@DeanMacGregor: я только что сделал 3 теста скорости, используя df со 100 миллионами: тест 1 - используйте arr.lengths() == 0 и выполните цикл через df => 5,6 секунды +- 527 мс Тест 2 - используйте arr.lengths() > 0 и зацикливание df.schema => 5,6 секунды +- 561 мс Тест 3 - используйте arr.lengths() > 0 и зацикливание df => 5,6 секунды +- 526 мс Таким образом, кажется, нет увеличения времени для зацикливания df. Но может есть накладные расходы, просто мои маленькие тесты этого не показывают? Я изменю код на> 0 в соответствии с вашим предложением, он короче

Luca 22.02.2023 14:51

да, подход > 0 просто для того, чтобы сделать код короче, я не подозревал, что это будет более производительно. Полезно знать о схеме df vs df.schema. Спасибо, что приложили усилия.

Dean MacGregor 22.02.2023 15:27

Другие вопросы по теме