如何使用groupby并应用polars

Question

我正在绞尽脑汁地想弄清楚如何在 Python 的 Polars 库中使用

groupby

和

apply

。

来自 Pandas，我正在使用：

def get_score(df):
   return spearmanr(df["prediction"], df["target"]).correlation

correlations = df.groupby("era").apply(get_score)

但在极地，这不起作用。

我尝试了几种方法，主要围绕：

correlations = df.groupby("era").apply(get_score)

但是失败并显示错误消息：

'可以获取 DataFrame 属性'_df'。确保返回一个 DataFrame 对象。： PyErr { type: , value: AttributeError("'numpy.float64' object has no attribute '_df'"),

有什么想法吗？

Answer 1

从

polars>=0.10.4

开始，您可以使用

pl.spearman_rank_corr

功能。

如果你想使用自定义函数，你可以这样做：

多列/表达式上的自定义函数

import polars as pl
from typing import List
from scipy import stats

df = pl.DataFrame({
    "g": [1, 1, 1, 2, 2, 2, 5],
    "a": [2, 4, 5, 190, 1, 4, 1],
    "b": [1, 3, 2, 1, 43, 3, 1]
})

def get_score(args: List[pl.Series]) -> pl.Series:
    return pl.Series([stats.spearmanr(args[0], args[1]).correlation], dtype=pl.Float64)

(df.group_by("g", maintain_order=True)
 .agg(
    pl.apply(
        exprs=["a", "b"], 
        function=get_score).alias("corr")
 ))

Polars 提供的功能

(df.group_by("g", maintain_order=True)
 .agg(
     pl.spearman_rank_corr("a", "b").alias("corr")
 ))

两个输出：

shape: (3, 2)
┌─────┬──────┐
│ g   ┆ corr │
│ --- ┆ ---  │
│ i64 ┆ f64  │
╞═════╪══════╡
│ 1   ┆ 0.5  │
├╌╌╌╌╌┼╌╌╌╌╌╌┤
│ 2   ┆ -1e0 │
├╌╌╌╌╌┼╌╌╌╌╌╌┤
│ 5   ┆ NaN  │
└─────┴──────┘

单个列/表达式上的自定义函数

我们还可以通过

.apply

或

.map

对单个表达式应用自定义函数。

下面是我们如何使用自定义函数和普通极坐标表达式对列求平方的示例。表达式语法 应该始终是首选，因为它要快得多。

(df.group_by("g")
 .agg(
     pl.col("a").apply(lambda group: group**2).alias("squared1"),
     (pl.col("a")**2).alias("squared2")
 ))

apply

和

map

有什么区别？

map

适用于整个列

series

。

apply

适用于单个值或单个组，具体取决于上下文。

select

上下文：

• map

  • 输入/输出类型：

    Series

  • 输入的语义：列值

• apply

  • 输入/输出类型：

    Union[int, float, str, bool]

  • 输入的语义含义：列中的单个值

group_by

上下文：

• map

  • 输入/输出类型：

    Series

  • 输入的语义含义：列表列，其中值是组

• apply

  • 输入/输出类型：

    Series

  • 输入的语义含义：组