Порядок вычитания полярных столбцов не имеет значения (аперитив)

Я хотел бы использовать polars, но когда я пытаюсь вычесть массив 1x3 numpy из трех столбцов DataFrame. Проблема в том, что не имеет значения, в каком порядке применяется вычитание:

import numpy as np
import polars as pl

# create polars dataframe:
data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
df = pl.DataFrame(data, columns=['x', 'y', 'z']).with_columns(
    pl.all().cast(pl.Float64)
)

# subraction array:
arr = np.array([2, 5, 8], dtype=np.float64)

# subtract shit array from DataFrame
df.with_columns((
    pl.col('x') - arr[0],
    pl.col('y') - arr[1],
    pl.col('z') - arr[2],
))


"""
This one is corrct, top row should be negative and bottom row positive
|    |   x |   y |   z |
|---:|----:|----:|----:|
|  0 |  -1 |  -1 |  -1 |
|  1 |   0 |   0 |   0 |
|  2 |   1 |   1 |   1 |
"""

df.with_columns((
    arr[0] - pl.col('x'),
    arr[1] - pl.col('y'),
    arr[2] - pl.col('z'),
))

"""
This one is incorrect. The top row should be positive and the bottom row should
be negative.
|    |   x |   y |   z |
|---:|----:|----:|----:|
|  0 |  -1 |  -1 |  -1 |
|  1 |   0 |   0 |   0 |
|  2 |   1 |   1 |   1 |
"""
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
0
55
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Не могу воспроизвести это, выглядит нормально на 0.16.5:

In [57]: df.with_columns((
    ...:     pl.col('x') - arr[0],
    ...:     pl.col('y') - arr[1],
    ...:     pl.col('z') - arr[2],
    ...: ))
    ...:
Out[57]:
shape: (3, 3)
┌──────┬──────┬──────┐
│ x    ┆ y    ┆ z    │
│ ---  ┆ ---  ┆ ---  │
│ f64  ┆ f64  ┆ f64  │
╞══════╪══════╪══════╡
│ -1.0 ┆ -1.0 ┆ -1.0 │
│ 0.0  ┆ 0.0  ┆ 0.0  │
│ 1.0  ┆ 1.0  ┆ 1.0  │
└──────┴──────┴──────┘

In [58]: df.with_columns((
    ...:     arr[0] - pl.col('x'),
    ...:     arr[1] - pl.col('y'),
    ...:     arr[2] - pl.col('z'),
    ...: ))
Out[58]:
shape: (3, 3)
┌──────┬──────┬──────┐
│ x    ┆ y    ┆ z    │
│ ---  ┆ ---  ┆ ---  │
│ f64  ┆ f64  ┆ f64  │
╞══════╪══════╪══════╡
│ 1.0  ┆ 1.0  ┆ 1.0  │
│ 0.0  ┆ 0.0  ┆ 0.0  │
│ -1.0 ┆ -1.0 ┆ -1.0 │
└──────┴──────┴──────┘

Я использовал более старую версию, а в новой версии эта "ошибка" исправлена. Спасибо.

3dSpatialUser 17.02.2023 10:04

Другие вопросы по теме