Início / coding / Perguntas / 79048003
Accepted
Simon
Asked: 2024-10-03 02:13:54 +0800 CST

Acompanhamento e contagem de mudanças de estado entre colunas em polares

  • 772

Tenho um dataframe com vários IDs e estados correspondentes. Quero analisar como os estados mudaram ao longo do tempo e apresentar essas informações de forma eficaz.

Aqui está um exemplo:

import polars as pl

df = pl.DataFrame({
    "ID": [1, 2, 3],
    "T0": ["A", "B", "C"],
    "T1": ["B", "B", "A"],  
})

Uma abordagem é "concatenar" as colunas e, em seguida, fazer uma value_counts()alteração na coluna

df = df.with_columns(
    (pl.col("T0") + " -> " + pl.col("T1")).alias("Change")
)

No entanto, pode haver uma abordagem melhor para isso, ou até mesmo uma função integrada que possa realizar o que preciso com mais eficiência.

Saída de corrente:

shape: (3, 4)
┌─────┬─────┬─────┬────────┐
│ ID  ┆ T0  ┆ T1  ┆ Change │
│ --- ┆ --- ┆ --- ┆ ---    │
│ i64 ┆ str ┆ str ┆ str    │
╞═════╪═════╪═════╪════════╡
│ 1   ┆ A   ┆ B   ┆ A -> B │
│ 2   ┆ B   ┆ B   ┆ B -> B │
│ 3   ┆ C   ┆ A   ┆ C -> A │
└─────┴─────┴─────┴────────┘

shape: (3, 2)
┌────────┬───────┐
│ Change ┆ count │
│ ---    ┆ ---   │
│ str    ┆ u32   │
╞════════╪═══════╡
│ C -> A ┆ 1     │
│ B -> B ┆ 1     │
│ A -> B ┆ 1     │
└────────┴───────┘
python

1 respostas

  1. Best Answer

    Dependendo da estrutura exata da saída que você precisa, você pode usar pl.DataFrame.group_by()e .len():

    df.group_by("T0","T1").len("count")

    shape: (3, 3)
┌─────┬─────┬───────┐
│ T0  ┆ T1  ┆ count │
│ --- ┆ --- ┆ ---   │
│ str ┆ str ┆ u32   │
╞═════╪═════╪═══════╡
│ C   ┆ A   ┆ 1     │
│ A   ┆ B   ┆ 1     │
│ B   ┆ B   ┆ 1     │
└─────┴─────┴───────┘

    Você também pode concatenar colunas depois, se desejar:

    (
    df
    .group_by("T0","T1")
    .len("count")
    .select(
        Change = pl.col.T0 + ' -> ' + pl.col.T1,
        count = pl.col.count
    )
)

    shape: (3, 2)
┌────────┬───────┐
│ Change ┆ count │
│ ---    ┆ ---   │
│ str    ┆ u32   │
╞════════╪═══════╡
│ A -> B ┆ 1     │
│ B -> B ┆ 1     │
│ C -> A ┆ 1     │
└────────┴───────┘

    Se você quiser usar pl.Expr.value_counts(), você pode primeiro combinar colunas em pl.struct():

    df.select(pl.struct("T0","T1").value_counts())

    shape: (3, 1)
┌───────────────┐
│ T0            │
│ ---           │
│ struct[2]     │
╞═══════════════╡
│ {{"A","B"},1} │
│ {{"C","A"},1} │
│ {{"B","B"},1} │
└───────────────┘
    • 1

relate perguntas