主页 / coding / 问题 / 78918585
Accepted
Andi
Asked: 2024-08-27 19:11:45 +0800 CST

计算极坐标数据框中列表列中相同的连续数字

  • 772

我有一个pl.DataFrame包含整数列表的列。我需要断言每个连续整数最多连续出现两次。

例如，包含的列表[1,1,0,-1,1]是可以的，因为数字 1 在一行中最多出现两次（前两个元素，后跟零）。

此列表应该会导致断言失败：[1,1,1,0,-1]该数字1连续出现三次。

这是一个玩具示例，应该row2会导致断言失败。

import polars as pl

row1 = [0, 1, -1, -1, 1, 1, -1, 0]
row2 = [1, -1, -1, -1, 0, 0, 1, -1]
df = pl.DataFrame({"list": [row1, row2]})
print(f"row1: {row1}")
print(f"row2: {row2}")
print(df)


row1: [0, 1, -1, -1, 1, 1, -1, 0]
row2: [1, -1, -1, -1, 0, 0, 1, -1]
shape: (2, 1)
┌───────────────┐
│ list          │
│ ---           │
│ list[i64]     │
╞═══════════════╡
│ [0, 1, … 0]   │
│ [1, -1, … -1] │
└───────────────┘
python

3 个回答

  1. Best Answer

    可以使用以下内容。

    1. 使用 对列表进行游程编码pl.Expr.rle。这将生成一个结构列表。每个结构包含一个（唯一的）列表值和相应的游程长度。

    2. 检查列表中的最大运行长度是否最多为 2。

    3. bool通过选择结果列表中的第一个（也是唯一的）元素（使用）来确保结果的类型pl.Expr.list.first。

    df.with_columns(
    ok=pl.col("list").list.eval(
        pl.element().rle().struct.field("len").max() <= 2
    ).list.first()
)

    shape: (2, 2)
┌──────────────────────────────┬───────┐
│ list                         ┆ ok    │
│ ---                          ┆ ---   │
│ list[i64]                    ┆ bool  │
╞══════════════════════════════╪═══════╡
│ [0, 1, -1, -1, 1, 1, -1, 0]  ┆ true  │
│ [1, -1, -1, -1, 0, 0, 1, -1] ┆ false │
└──────────────────────────────┴───────┘

    pl.Expr.list.eval通过分解列表可以避免在 中执行所有这些操作。然后，pl.Expr.over需要一个窗口函数 ( ) 来确保为每个列表分别计算最大值。

    max_run_length = pl.col("list").explode().rle().struct.field("len").max().over(pl.int_range(pl.len()))
df.with_columns(passed=max_run_length <= 2)

    结果是一样的。

    • 5

  2. 您肯定需要一种方法来连续检查数字并从那里过滤数据框。

    类似于：

    def check_consecutive_repeats(list):
    count = 1
    prev = list[0]
    
    for i in range(1, len(list)):
        if list[i] == prev:
            count += 1
            if count > 2:
                return False
        else:
            count = 1
            prev = list[i]
    
    return True

    这将遍历列表并检查给定的字符是否重复超过 2 次，如果是，则返回 False。

    从那里您可以决定如何处理失败的列表。

    您还可以在这里找到其他解决方案。

    • 0

  3. 与发电机一起使用map_elements并短路：

    N = 2

df.with_columns(
    valid=pl.col('list').map_elements(
        lambda x: all(
            any(x[i] != x[i+1:i+N+1]) for i in range(len(x)-N+1)
        ), return_dtype=pl.Boolean
    )
)

    输出：

    ┌───────────────┬───────┐
│ list          ┆ valid │
│ ---           ┆ ---   │
│ list[i64]     ┆ bool  │
╞═══════════════╪═══════╡
│ [0, 1, … 0]   ┆ true  │
│ [1, -1, … -1] ┆ false │
└───────────────┴───────┘
    • 0

相关问题