Início / user-1744834

Roman Pekar's questions

Martin Hope
roman
Asked: 2024-10-23 16:46:30 +0800 CST
  • 7

Dado um DataFrame com coluna categórica:

import polars as pl

df = pl.DataFrame({
    "id": ["a", "a", "a", "b", "b", "b", "b"],
    "value": [1,1,1,6,6,6,6],
})

res = df.with_columns(bucket = pl.col.value.cut([1,3]))

shape: (7, 3)
┌─────┬───────┬───────────┐
│ id  ┆ value ┆ bucket    │
│ --- ┆ ---   ┆ ---       │
│ str ┆ i64   ┆ cat       │
╞═════╪═══════╪═══════════╡
│ a   ┆ 1     ┆ (-inf, 1] │
│ a   ┆ 1     ┆ (-inf, 1] │
│ a   ┆ 1     ┆ (-inf, 1] │
│ b   ┆ 6     ┆ (3, inf]  │
│ b   ┆ 6     ┆ (3, inf]  │
│ b   ┆ 6     ┆ (3, inf]  │
│ b   ┆ 6     ┆ (3, inf]  │
└─────┴───────┴───────────┘

Como obtenho todos os valores potenciais da coluna categórica? Posso obtê-los como strings com pl.Expr.cat.get_categories()as strings?

res.select(pl.col.bucket.cat.get_categories())

shape: (3, 1)
┌───────────┐
│ bucket    │
│ ---       │
│ str       │
╞═══════════╡
│ (-inf, 1] │
│ (1, 3]    │
│ (3, inf]  │
└───────────┘

Também posso obter todos os valores existentes em sua representação física compl.Expr.to_physical()

res.select(pl.col.bucket.to_physical())

shape: (7, 1)
┌────────┐
│ bucket │
│ ---    │
│ u32    │
╞════════╡
│ 0      │
│ 0      │
│ 0      │
│ 2      │
│ 2      │
│ 2      │
│ 2      │
└────────┘

Mas como posso obter todos os valores potenciais em sua representação física? Eu esperaria uma saída como:

shape: (3, 1)
┌────────┐
│ bucket │
│ ---    │
│ u32    │
╞════════╡
│ 0      │
│ 1      │
│ 2      │
└────────┘

Ou devo simplesmente assumir que ele é sempre codificado como um intervalo de números inteiros sem lacunas?

python