Отмена вложения списков в столбце Python Polars генерирует ошибку SchemaError

Я новичок в Polars. Я пытаюсь использовать метод .unnest() для столбца во фрейме данных Polars. В приведенном ниже примере я генерирую столбец «обработанный» как списки строк. Строки состоят из последовательности и процентов, преобразованных в строку. Моя цель — отключить все списки в ячейках столбца и создать два других столбца: один для последовательности, а другой для соответствующего процента. Хотя я уже использовал метод unnest в идентичном случае (это сработало), сейчас он не работает. Я думаю, что есть некоторая проблема, связанная с созданием столбца «обработано». Однако я не могу понять, в чем проблема.

Мой код:

import polars as pl
from functools import reduce

# Function to MAP the peptide inside the protein sequence.
# Convert the peptide sequence in dashes inside the original protein sequence.
def replace_peptide(protein_sequence, peptide):
    return protein_sequence.replace(peptide, '-' * len(peptide))

# Function to COLLAPSE all the dashed protein sequences to generate a final sequence 
# that reports a "-" for each letter in the peptide sequence that map in the protein sequence.
def combine_sequences(seq1, seq2):
    return ''.join(['-' if a == '-' or b == '-' else a for a, b in zip(seq1, seq2)])

# Function to apply the mapping procedure for each row in the dataframe.
def process_row(row):
    protein_sequence = row['sequence']
    protein_sequence_len = len(protein_sequence)
    peptides = row['peptide']
    modified_sequences = [replace_peptide(protein_sequence, peptide) for peptide in peptides]
    final_sequence = reduce(combine_sequences, modified_sequences)
    coverage = str('{:.2f}%').format(final_sequence.count('-')/protein_sequence_len*100)
    return final_sequence, coverage
# -----------------------------------------------------------------------------------------------# 
# Generate the data frame
coverage_fasta=pl.DataFrame({"protein_id": ["A0A024RBG1", "A0A087X1C5", "A0A0B4J2F0"],
                             "sequence": ["MMKFKPNQTRTYDREGFKKRAACLCFRSEQEDEVLLVSSSRYPDQWIVPG",
                                          "MGLEALVPLAMIVAIFLLLVDLMHRHQRWAARYPPGPLPLPGLGNLLHVD",
                                            "MFRRLTFAQLLFATVLGIAGGVYIFQPVFEQYAKDQKELKEKMQLVQESE"],
                             "peptide": [["MMKFKPNQT", "FKKRAA", "SSSRYPDQ"],
                                         ["EALVPLAM", "AQLLFATVLGIAG", "QPVFEQYAKDQ"], 
                                         ["RRLTFAQLL", "LTFAQLLFATVLGIAGG", "QYAKDQKEL"]
                            ]}
)

# Generate the column that contain a list made by the protein sequences dashed and their coverage percentage.
coverage_fasta = coverage_fasta.with_columns(
    pl.struct(["sequence", "peptide"]).map_elements(lambda row: process_row(row),
                                                    return_dtype=pl.List(pl.String())
                                                    ).alias("processed"))
display(coverage_fasta)

# Command to unnest the lists in the "processed" column. 
# The purpose is to have the dashed sequences in one column and the percentage of coverage in another one.
coverage_fasta = coverage_fasta.with_columns(pl.col("processed")).unnest("processed")
display(coverage_fasta)

Выход:

Пожалуйста, может кто-нибудь объяснить, что я делаю неправильно?

unnest предназначен для структур, но processed есть list — вы пытаетесь взорвать/сгладить списки?

jqurious 07.06.2024 19:43
Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
1
1
52
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Как уже упоминалось в комментариях, pl.DataFrame.unnest используется для отсоединения столбцов структуры от их полей. Вместо этого ваша функция map_elements создает столбец типа list[str].

Вы можете адаптировать свою функцию для возврата структуры с полями final_sequence и coverage (и вместо этого адаптировать return_dtype).

def process_row(row):
    ...
    return {"final_sequence": final_sequence, "coverage": coverage}

coverage_fasta = coverage_fasta.with_columns(
    pl.struct(["sequence", "peptide"]).map_elements(
        lambda row: process_row(row), 
        return_dtype=pl.Struct([
            pl.Field("final_sequence", pl.String()), 
            pl.Field("coverage", pl.String())
        ])
    ).alias("processed")
)

Тогда отмена вложения должна работать как положено.

pl.Config.set_fmt_str_lengths(16)
pl.Config.set_tbl_width_chars(128)

coverage_fasta.unnest("processed")
shape: (3, 5)
┌────────────┬───────────────────┬───────────────────┬───────────────────┬──────────┐
│ protein_id ┆ sequence          ┆ peptide           ┆ final_sequence    ┆ coverage │
│ ---        ┆ ---               ┆ ---               ┆ ---               ┆ ---      │
│ str        ┆ str               ┆ list[str]         ┆ str               ┆ str      │
╞════════════╪═══════════════════╪═══════════════════╪═══════════════════╪══════════╡
│ A0A024RBG1 ┆ MMKFKPNQTRTYDREG… ┆ ["MMKFKPNQT", "F… ┆ ---------RTYDREG… ┆ 46.00%   │
│ A0A087X1C5 ┆ MGLEALVPLAMIVAIF… ┆ ["EALVPLAM", "AQ… ┆ MGL--------IVAIF… ┆ 16.00%   │
│ A0A0B4J2F0 ┆ MFRRLTFAQLLFATVL… ┆ ["RRLTFAQLL", "L… ┆ MF--------------… ┆ 56.00%   │
└────────────┴───────────────────┴───────────────────┴───────────────────┴──────────┘

Другие вопросы по теме