主页 / coding / 问题 / 79473710
Accepted
MikeB2019x
Asked: 2025-02-28 03:19:14 +0800 CST

极坐标可以在“with_columns”语句中有布尔值吗？

  • 772

我正在使用极坐标对数据集中的某些列进行哈希处理。一列包含字符串列表，另一列包含字符串。我的方法是将每列转换为字符串类型，然后对列进行哈希处理。我遇到的问题是类型转换。

我正在使用 with_columns 方法如下：

list_of_lists = [
                 ['base', 'base.current base', 'base.current base.inventories - total', 'ABCD'], 
                 ['base', 'base.current base', 'base.current base.inventories - total', 'DEFG'], 
                 ['base', 'base.current base', 'base.current base.inventories - total', 'ABCD'], 
                 ['base', 'base.current base', 'base.current base.inventories - total', 'HIJK']
] 
                
    
list_of_strings = ['(bobbyJoe460)',
                 'bobby, Joe (xx866e)',
                 '137642039575',
                  'mamamia']

pl_df_1 = pl.DataFrame({'lists': list_of_lists,'stris':list_of_strings}, strict=False)
pl_df_1.with_columns(pl.col(['lists','stris'])
                     .cast(pl.List(pl.Categorical))
                     .hash(seed=140)
                     .name.suffix('_hashed')
                     )

请注意，转换是pl.List(pl.Categorical)。如果我省略转换，则pl.List转换会失败并显示错误

包含pl.List代码后得到：

lists   stris   lists_hashed    stris_hashed
list[str]   str u64 u64
["base", "base.current base", … "ABCD"] "(bobbyJoe460)" 11845069150176100519    594396677107
["base", "base.current base", … "DEFG"] "bobby, Joe (xx866e)"   6761150988783483050 594396677107
["base", "base.current base", … "ABCD"] "137642039575"  11845069150176100519    594396677107
["base", "base.current base", … "HIJK"] "mamamia"   8290133271651710679 594396677107

请注意，所有字符串列都具有相同的哈希值。理想情况下，我希望在 中有一个布尔表达式，with_columns用于检测列类型，如果是 List 则使用pl.List(pl.Categorical)，如果是 String 则使用pl.Categorical。这可能吗？

python

1 个回答

  1. Best Answer

    在我看来这看起来像是一个错误 - 我认为.cast()应该提高？

    这就是为什么每行的结果.hash()都相同。

    df.select(pl.col("strings").cast(pl.List(pl.Categorical)))

    shape: (4, 1)
┌───────────┐
│ strings   │
│ ---       │
│ list[u32] │
╞═══════════╡
│ [null]    │
│ [null]    │
│ [null]    │
│ [null]    │
└───────────┘

    您可以按类型选择列。

    pl.col(pl.List(pl.String)).cast(pl.List(pl.Categorical)).hash(seed=140).name.suffix("_hashed"),
pl.col(pl.String).cast(pl.Categorical).hash(seed=140).name.suffix("_hashed")

    您可以使用某种形式的循环来生成可能更整洁的表达式。

    df.with_columns(
    pl.col(old).cast(new).hash(seed=140).name.suffix("_hashed")
    for old, new in {
         pl.String: pl.Categorical,
         pl.List(pl.String): pl.List(pl.Categorical)
    }.items()
)

    shape: (4, 4)
┌─────────────────────────────────┬─────────────────────┬──────────────────────┬──────────────────────┐
│ lists                           ┆ strings             ┆ strings_hashed       ┆ lists_hashed         │
│ ---                             ┆ ---                 ┆ ---                  ┆ ---                  │
│ list[str]                       ┆ str                 ┆ u64                  ┆ u64                  │
╞═════════════════════════════════╪═════════════════════╪══════════════════════╪══════════════════════╡
│ ["base", "base.current base", … ┆ (bobbyJoe460)       ┆ 11231070086490249882 ┆ 11845069150176100519 │
│ ["base", "base.current base", … ┆ bobby, Joe (xx866e) ┆ 6519339301964281776  ┆ 6761150988783483050  │
│ ["base", "base.current base", … ┆ 137642039575        ┆ 14549859594875138034 ┆ 11845069150176100519 │
│ ["base", "base.current base", … ┆ mamamia             ┆ 1954884316252525743  ┆ 8290133271651710679  │
└─────────────────────────────────┴─────────────────────┴──────────────────────┴──────────────────────┘
    1. https://docs.pola.rs/user-guide/expressions/expression-expansion/#expansion-by-data-type
    • 1

相关问题