有没有办法将 value_counts polars 的结构输出列表获取到 json 中？

Question

我从 Polars 开始，我试图对 polars 中的字符串列表进行字数统计，并将结果作为 dict 放入 polars 数据框中。

基本上，我有这个输入数据框：

df_test = pl.DataFrame({'a': [['the', 'dog', 'is', 'good', 'a'], ['toto', 'tata', 'I']]})

shape: (2, 1)
┌───────────────────────┐
│ a                     │
│ ---                   │
│ list[str]             │
╞═══════════════════════╡
│ ["the", "dog", … "a"] │
│ ["toto", "tata", "I"] │
└───────────────────────┘

我得到这个输出：

shape: (2, 1)
┌───────────────────────────────────┐
│ a                                 │
│ ---                               │
│ list[struct[2]]                   │
╞═══════════════════════════════════╡
│ [{"is",1}, {"dog",1}, … {"good",… │
│ [{"tata",1}, {"I",1}, {"toto",1}… │
└───────────────────────────────────┘

来自那个命令：

df_test.with_columns(
    pl.col('a').arr.eval(pl.element().value_counts())
)

有没有办法得到这样的 value_counts 的结果？

提前致谢

Answer 1

您可以将

value_counts

输出转换为一个字符串，对每个字符串进行一些操作（删除所有

{}

，将

,

替换为

:

），

arr.join

列表变成一个大字符串，然后添加回来最后

{}

与

pl.format

：

df_test.with_columns(
        a=pl.format(
            "{{}}",
            pl.col("a")
            .arr.eval(
                pl.element()
                .value_counts()
                .cast(str)
                .str.strip("{}")
                .str.replace(",", ": ")
            )
            .arr.join(", "),
        )
    )

shape: (2, 1)
┌──────────────────────────────────────────────────┐
│ a                                                │
│ ---                                              │
│ str                                              │
╞══════════════════════════════════════════════════╡
│ {"good": 1, "dog": 1, "a": 1, "is": 1, "the": 1} │
│ {"tata": 1, "toto": 1, "I": 1}                   │
└──────────────────────────────────────────────────┘

只要没有单词有

,

，这就有效，这对于单词计数来说似乎是一个安全的假设。我认为在

pl.format

中使用

arr.eval

可能会有更一般的答案，但是当我尝试在该上下文中使用

struct

表达式作为

pl.format

的参数时，我遇到了错误。