Воспроизвести поведение группы pandas в полярах

В настоящее время я пытаюсь воспроизвести поведение ngroup в полярах , чтобы получить последовательные групповые индексы (фрейм данных будет сгруппирован по двум столбцам). Для толпы R это будет достигнуто в мире dplyr с помощью dplyr::group_indices или более нового dplyr::cur_group_id.

Как показано в репродукции, я без особого успеха попробовал пару способов, оба подхода пропускают групповую последовательность и просто возвращают количество строк по группам.

Быстрая реплика:

import polars as pl
import pandas as pd

df = pd.DataFrame(
    {
        "id": ["a", "a", "a", "a", "b", "b", "b", "b"],
        "cat": [1, 1, 2, 2, 1, 1, 2, 2],
    }
)

df_pl = pl.from_pandas(df)

print(df.groupby(["id", "cat"]).ngroup())
# This is the desired behaviour
# 0    0
# 1    0
# 2    1
# 3    1
# 4    2
# 5    2
# 6    3
# 7    3
print(df_pl.select(pl.count().over(["id", "cat"])))
# This is only counting observation by group
# ┌───────┐
# │ count │
# │ ---   │
# │ u32   │
# ╞═══════╡
# │ 2     │
# │ 2     │
# │ 2     │
# │ 2     │
# │ 2     │
# │ 2     │
# │ 2     │
# │ 2     │
# └───────┘
# shape: (4, 3)
print(df_pl.groupby(["id", "cat"]).agg([pl.count().alias("test")]))
# shape: (4, 3)
# ┌─────┬─────┬──────┐
# │ id  ┆ cat ┆ test │
# │ --- ┆ --- ┆ ---  │
# │ str ┆ i64 ┆ u32  │
# ╞═════╪═════╪══════╡
# │ a   ┆ 1   ┆ 2    │
# │ a   ┆ 2   ┆ 2    │
# │ b   ┆ 1   ┆ 2    │
# │ b   ┆ 2   ┆ 2    │
# └─────┴─────┴──────┘
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
62
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Ответ принят как подходящий

Редактировать

Как указывает @jqurious, мы можем использовать rank для этого:

(df.with_row_count("idx")
 .select(
     pl.first("idx").over(["id", "cat"]).rank("dense") - 1)
)
shape: (8, 1)
┌─────┐
│ idx │
│ --- │
│ u32 │
╞═════╡
│ 0   │
│ 0   │
│ 1   │
│ 1   │
│ 2   │
│ 2   │
│ 3   │
│ 3   │
└─────┘

Можно ли здесь использовать .rank()? df.with_row_count("idx").select(pl.first("idx").over(["id", "cat"]).rank("dense") - 1)

jqurious 17.02.2023 13:08

Я считаю, что rank("dense") также позаботится о группах, которые снова появляются позже в последовательности.

Luca 17.02.2023 13:30

Следующее может быть более ясным:

df = pl.DataFrame(
    {
        "id": ["a", "a", "a", "a", "b", "b", "b", "b"],
        "cat": [1, 1, 2, 2, 1, 1, 2, 2],
    }
)

(
    # Add row count to each line to create an index.
    df.with_row_count("idx")
    # Group on id and cat column. 
    .groupby(
        ["id", "cat"],
        maintain_order=True,
    )
    .agg(
        # Create a list of all index positions per group.
        pl.col("idx")
    )
    # Add a new row count for each group.
    .with_row_count("ngroup")
    # Expand idx list column to separate rows.
    .explode("idx")
    # Reorder columns.
    .select(["idx", "ngroup", "id", "cat"])
    # Optionally sort by original order.
    .sort("idx")
)
┌─────┬────────┬─────┬─────┐
│ idx ┆ ngroup ┆ id  ┆ cat │
│ --- ┆ ---    ┆ --- ┆ --- │
│ u32 ┆ u32    ┆ str ┆ i64 │
╞═════╪════════╪═════╪═════╡
│ 0   ┆ 0      ┆ a   ┆ 1   │
│ 1   ┆ 0      ┆ a   ┆ 1   │
│ 2   ┆ 1      ┆ a   ┆ 2   │
│ 3   ┆ 1      ┆ a   ┆ 2   │
│ 4   ┆ 2      ┆ b   ┆ 1   │
│ 5   ┆ 2      ┆ b   ┆ 1   │
│ 6   ┆ 3      ┆ b   ┆ 2   │
│ 7   ┆ 3      ┆ b   ┆ 2   │
└─────┴────────┴─────┴─────┘

Другие вопросы по теме