从每一行中选择一个元素，查找 Polars Dataframe 的所有组合

Question

我有一个 Polars Dataframe，我想信任一个新的 Dataframe，它由所有可能的组合组成，从每行中选择 1 个元素。

视觉上是这样的：

输入数据框

| Column A | Column B | Column C |
| -------- | -------- | -------- |
| A1       | B1       | C1       |
| A2       | B2       | C2       |
| A3       | B3       | C3       |

会给

| Column A | Column B | Column A |
| -------- | -------- | -------- |
| A1       | A2       | A3       |
| A1       | A2       | B3       |
| A1       | A2       | C3       |
| A1       | B2       | A3       |
| A1       | B2       | B3       |
| A1       | B2       | C3       |
| A1       | C2       | A3       |
| A1       | C2       | B3       |
| A1       | C2       | C3       |
| B1       | A2       | A3       |
| B1       | A2       | B3       |
| B1       | A2       | C3       |
| B1       | B2       | A3       |
| B1       | B2       | B3       |
| B1       | B2       | C3       |
| B1       | C2       | A3       |
| B1       | C2       | B3       |
| B1       | C2       | C3       |

等等...

我尝试通过简单地使用 2D 数组和双 for 循环来实现这一点，这相当简单，但是，我真的很想使用 Polars 的 Dataframes 来实现这一点，并符合 Polars 的构建方式，正如我所希望的那样它的计算速度比双 for 循环快得多。这个库对我来说仍然相当新，所以如果我有某种误解，请告诉我。

Answer 1

据我所知，没有直接的“组合”功能。

一种可能的方法是

.implode()

然后

.explode()

每列。

df = pl.from_repr("""
┌──────────┬──────────┬──────────┐
│ Column A ┆ Column B ┆ Column C │
│ ---      ┆ ---      ┆ ---      │
│ str      ┆ str      ┆ str      │
╞══════════╪══════════╪══════════╡
│ A1       ┆ B1       ┆ C1       │
│ A2       ┆ B2       ┆ C2       │
│ A3       ┆ B3       ┆ C3       │
└──────────┴──────────┴──────────┘
""")

(df.select(pl.all().implode())
   .explode("Column A")
   .explode("Column B")
   .explode("Column C")
)

shape: (27, 3)
┌──────────┬──────────┬──────────┐
│ Column A ┆ Column B ┆ Column C │
│ ---      ┆ ---      ┆ ---      │
│ str      ┆ str      ┆ str      │
╞══════════╪══════════╪══════════╡
│ A1       ┆ B1       ┆ C1       │
│ A1       ┆ B1       ┆ C2       │
│ A1       ┆ B1       ┆ C3       │
│ A1       ┆ B2       ┆ C1       │
│ …        ┆ …        ┆ …        │
│ A3       ┆ B2       ┆ C3       │
│ A3       ┆ B3       ┆ C1       │
│ A3       ┆ B3       ┆ C2       │
│ A3       ┆ B3       ┆ C3       │
└──────────┴──────────┴──────────┘

如果有重复值，您可以添加

.unique()

。

您可以使用 Lazy API 和循环，而不必命名每一列：

out = df.lazy().select(pl.all().implode())
for col in df.columns:
    out = out.explode(col)
    
out.collect()