Polars.apply() по нескольким столбцам

У меня есть данные Polars с множеством столбцов. Мне нужно создать новый столбец с результатом моей собственной функции.


df = pl.DataFrame({
    'Stock_name': ['reserve', 'fullfilment', 'ntl', 'ntl'],
    'doc_type': ['sales', 'moving', 'sales', 'corr'],
})


def doc_check(row):
    if (row['Stock_name'] == 'reserve') or (row['Stock_name'] == 'ntl'):
        if row['doc_type'] == 'sales':
            doc = 'sales'
        else:
            doc = row['doc_type']
    else:
        doc = row['doc_type']
    return doc


df = df.apply(doc_check).alias('doc_type_new')
df['doc_type_new'] = df.apply(doc_check)

Но я получил ошибку «TypeError: индексы кортежей должны быть целыми числами или срезами, а не строкой». Где ошибка в моем коде?

Эта функция сейчас называется map_rows. В документах указано: «Уровень фрейма map_rows не может отслеживать имена столбцов» и «вместо этого вам следует использовать синтаксис уровня выражения map_elements». Однако вместо этого вам следует реализовать свою функцию в выражениях Polars, если это возможно.

— 20.05.2024 11:51

python python-3.x python-polars

20.05.2024 11:41

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

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

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

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

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

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вы можете использовать pl.struct, чтобы извлечь два столбца, а затем использовать map_elements, чтобы сопоставить их:

df = df.with_columns(
    doc_type_new=pl.struct("Stock_name", "doc_type").map_elements(
        doc_check, return_dtype=pl.String
    )
)

print(df)

Выход:

shape: (4, 3)
┌─────────────┬──────────┬──────────────┐
│ Stock_name  ┆ doc_type ┆ doc_type_new │
│ ---         ┆ ---      ┆ ---          │
│ str         ┆ str      ┆ str          │
╞═════════════╪══════════╪══════════════╡
│ reserve     ┆ sales    ┆ sales        │
│ fullfilment ┆ moving   ┆ moving       │
│ ntl         ┆ sales    ┆ sales        │
│ ntl         ┆ corr     ┆ corr         │
└─────────────┴──────────┴──────────────┘

Обратите внимание, что в этом случае ваша функция может быть реализована с использованием собственного API Polars, который будет работать намного быстрее:

df = df.with_columns(
    doc_type_new=pl.when(
        pl.col("Stock_name").is_in(["reserve", "ntl"]) & (pl.col("doc_type") == "sales")
    )
    .then(pl.lit("sales"))
    .otherwise(pl.col("doc_type"))
)

print(df)

(Тот же результат.)

20.05.2024 12:12