apostofes's questions

我有两个数据框，

df = pl.DataFrame({'url': ['https//abc.com', 'https//abcd.com', 'https//abcd.com/aaa', 'https//abc.com/abcd']})

conditions_df = pl.DataFrame({'url': ['https//abc.com', 'https//abcd.com', 'https//abcd.com/aaa', 'https//abc.com/aaa'], 'category': [['a'], ['b'], ['c'], ['d']]})

现在我想要一个 df，用于根据第二个 df 中以 url 开头的第一个匹配项为第一个 df 分配类别，即输出应该是，

目前有效的代码是这样的，

def add_category_column(df: pl.DataFrame, conditions_df) -> pl.DataFrame:
    
    # Initialize the category column with empty lists
    df = df.with_columns(pl.Series("category", [[] for _ in range(len(df))], dtype=pl.List(pl.String)))
    
    # Apply the conditions to populate the category column
    for row in conditions_df.iter_rows():
        url_start, category = row
        df = df.with_columns(
            pl.when(
                (pl.col("url").str.starts_with(url_start)) & (pl.col("category").list.len() == 0)
            )
            .then(pl.lit(category))
            .otherwise(pl.col("category"))
            .alias("category")
        )
    
    return df

但是有没有办法在不使用 for 循环的情况下实现相同的效果，我们可以在这里使用 join_where 吗，但在我的尝试中 join_where 对 starts_with 不起作用

我有这样的数据，

df = pl.DataFrame({'a': ["['b', 'c', 'd']"]})

我想将字符串转换为我使用的列表，

df = df.with_columns(a=pl.col('a').str.json_decode())

它给了我，

ComputeError: error inferring JSON: InternalError(TapeError) at character 1 (''')

然后我使用这个函数，

import ast
def safe_literal_eval(val):
    try:
        return ast.literal_eval(val)
    except (ValueError, SyntaxError):
        return val
df = df.with_columns(a=pl.col('a').map_elements(safe_literal_eval, return_dtype=pl.List(pl.String)))

并获得预期的输出，但是是否有纯极化方法可以实现相同的效果？

df = pl.DataFrame({'list_column': [['a.xml', 'b.xml', 'c', 'd'], ['e.xml', 'f.xml', 'g', 'h']]})

def func(x):
    return [y for y in x if '.xml' in y]

df.with_columns(pl.col('list_column').map_elements(func, return_dtype=pl.List(pl.String)))

有没有办法在不使用的情况下实现相同的目的map_elements？

如何获取时间序列 df 中特定列的第一次、最后一次出现 (>0)，

shape: (4, 3)
┌────────────┬────────────┬────────────┐
│ date       ┆ column_one ┆ column_two │
│ ---        ┆ ---        ┆ ---        │
│ date       ┆ f64        ┆ i64        │
╞════════════╪════════════╪════════════╡
│ 2024-06-01 ┆ 0.0        ┆ 0          │
│ 2024-06-02 ┆ 0.0        ┆ 1          │
│ 2024-06-03 ┆ 1.0        ┆ 2          │
│ 2024-06-04 ┆ 1.2        ┆ 3          │
└────────────┴────────────┴────────────┘

并将其存储在单独的 df 中，

columns | first_appearance | last_appearance
column_one | 2024-06-03 | 2024-06-04
column_two | 2024-06-02 | 2024-06-04