基于绝对排序值定位极坐标数据帧的索引和列的Pythonic方法

Question

我有一个包含多列的数据框，其中第一列被视为索引。其余列包含我想要按绝对键排序的值，然后创建新的数据帧，以索引和排序值的列来指示原始数据帧位置。如果有人能告诉我如何以更Pythonic的方式做到这一点，我将非常感激。

import polars as pl
import numpy as np

df = pl.DataFrame({
    "name": ["a", "b", "c", "d", "e", "f"],
    "val1": [1.2, -2.3, 3, -3.3, 2.2, -1.3],
    "val2": [5, 2, 2, -4, -3, -6]})

vals = df[df.columns[1:]].to_numpy()
sorted_vals = sorted(tuple(vals.reshape(-1,)), key=abs)[::-1]

data = []
for sv in sorted_vals:
    i, c = int(np.where(vals==sv)[0][0]), int(np.where(vals==sv)[1][0])
    data.append([sv, df[i,'name'], df.columns[1+c]])

new_df = pl.DataFrame(data=data, orient='row', schema=['val', 'name', 'col'])

print(new_df)

# shape: (12, 3)
# ┌──────┬──────┬──────┐
# │ val  ┆ name ┆ col  │
# │ ---  ┆ ---  ┆ ---  │
# │ f64  ┆ str  ┆ str  │
# ╞══════╪══════╪══════╡
# │ -6.0 ┆ f    ┆ val2 │
# │ 5.0  ┆ a    ┆ val2 │
# │ -4.0 ┆ d    ┆ val2 │
# │ -3.3 ┆ d    ┆ val1 │
# │ …    ┆ …    ┆ …    │
# │ 2.0  ┆ b    ┆ val2 │
# │ 2.0  ┆ b    ┆ val2 │
# │ -1.3 ┆ f    ┆ val1 │
# │ 1.2  ┆ a    ┆ val1 │
# └──────┴──────┴──────┘

Answer 1

您应该

melt

和

sort

（使用

abs

表达式表示绝对值）：

out = (df.melt('name', variable_name='col', value_name='val')
         .sort(pl.col('val').abs(), descending=True)
      )

输出：

shape: (12, 3)
┌──────┬──────┬──────┐
│ name ┆ col  ┆ val  │
│ ---  ┆ ---  ┆ ---  │
│ str  ┆ str  ┆ f64  │
╞══════╪══════╪══════╡
│ f    ┆ val2 ┆ -6.0 │
│ a    ┆ val2 ┆ 5.0  │
│ d    ┆ val2 ┆ -4.0 │
│ d    ┆ val1 ┆ -3.3 │
│ …    ┆ …    ┆ …    │
│ b    ┆ val2 ┆ 2.0  │
│ c    ┆ val2 ┆ 2.0  │
│ f    ┆ val1 ┆ -1.3 │
│ a    ┆ val1 ┆ 1.2  │
└──────┴──────┴──────┘