Início / coding / Perguntas / 79287522
Accepted
Andi
Asked: 2024-12-17 18:34:13 +0800 CST

Calcular porcentagem de linhas positivas em um DataFrame de polares group_by

  • 772

Preciso calcular a porcentagem de valores positivos na valuecoluna agrupados pela groupcoluna.

import polars as pl

df = pl.DataFrame(
    {
        "group": ["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"],
        "value": [2, -1, 3, 1, -2, 1, 2, -1, 3, 2],
    }
)

shape: (10, 2)
┌───────┬───────┐
│ group ┆ value │
│ ---   ┆ ---   │
│ str   ┆ i64   │
╞═══════╪═══════╡
│ A     ┆ 2     │
│ A     ┆ -1    │
│ A     ┆ 3     │
│ A     ┆ 1     │
│ A     ┆ -2    │
│ B     ┆ 1     │
│ B     ┆ 2     │
│ B     ┆ -1    │
│ B     ┆ 3     │
│ B     ┆ 2     │
└───────┴───────┘

No grupo Ahá 3 de 5 valores positivos (60%), enquanto na coluna Bhá 4 de 5 valores positivos (80%).

Aqui está o dataframe esperado.

┌────────┬──────────────────┐
│ group  ┆ positive_percent │
│ ---    ┆ ---              │
│ str    ┆ f64              │
╞════════╪══════════════════╡
│ A      ┆ 0.6              │
│ B      ┆ 0.8              │
└────────┴──────────────────┘
python

2 respostas

  1. Best Answer

    Você pode usar um costume group_by.aggcom Expr.gee Expr.mean. Isso converterá os valores para False/ Truedependendo do sinal, então calculará a proporção de Truetomando o mean:

    df.group_by('group').agg(positive_percent=pl.col('value').ge(0).mean())

    Saída:

    ┌───────┬──────────────────┐
│ group ┆ positive_percent │
│ ---   ┆ ---              │
│ str   ┆ f64              │
╞═══════╪══════════════════╡
│ A     ┆ 0.6              │
│ B     ┆ 0.8              │
└───────┴──────────────────┘

    Intermediários:

    ┌───────┬───────┬───────┬──────┐
│ group ┆ value ┆ ge(0) ┆ mean │
│ ---   ┆ ---   ┆ ---   ┆ ---  │
│ str   ┆ i64   ┆ bool  ┆ f64  │
╞═══════╪═══════╪═══════╪══════╡
│ A     ┆ 2     ┆ true  ┆ 0.6  │ #
│ A     ┆ -1    ┆ false ┆ 0.6  │ # group A
│ A     ┆ 3     ┆ true  ┆ 0.6  │ # (True+False+True+True+False)/5
│ A     ┆ 1     ┆ true  ┆ 0.6  │ # = 3/5 = 0.6
│ A     ┆ -2    ┆ false ┆ 0.6  │ #
│ B     ┆ 1     ┆ true  ┆ 0.8  │
│ B     ┆ 2     ┆ true  ┆ 0.8  │
│ B     ┆ -1    ┆ false ┆ 0.8  │
│ B     ┆ 3     ┆ true  ┆ 0.8  │
│ B     ┆ 2     ┆ true  ┆ 0.8  │
└───────┴───────┴───────┴──────┘
    • 3

  2. Basicamente, você quer converter sua valuecoluna em Trueou 1para positivo / Falseou 0para negativo e então calcular a porcentagem.

    df.group_by("group").agg(
    positive_percent = (pl.all() > 0).sum() / pl.len()
)

    shape: (2, 2)
┌───────┬───────┐
│ group ┆ value │
│ ---   ┆ ---   │
│ str   ┆ f64   │
╞═══════╪═══════╡
│ B     ┆ 0.8   │
│ A     ┆ 0.6   │
└───────┴───────┘

    Ou você pode simplesmente filtrar todas as linhas onde a condição não é verdadeira:

    df.group_by("group").agg(
    pl.col.value.filter(pl.col.value > 0).count() / pl.len()
)
    • 1

relate perguntas