Знаходження максимального значення в діапазоні заданого стовпця в Polars

5 Березня 2024 в 23:06 27

Метою цієї статті є розгляд способу знаходження максимального значення в діапазоні заданого стовпця у Polars, який є потужним інструментом для обробки даних в Python. Уявімо ситуацію, коли нам потрібно знайти максимальне значення в діапазоні значень стовпця, починаючи з рядка, де значення в іншому стовпці відповідає певному критерію, і закінчуючи рядком, де цей критерій перестає виконуватися.

У нашому випадку ми маємо DataFrame, який містить два стовпці: ‘Column A’ і ‘Column B’. Стовпець ‘Column A’ містить числові значення, а стовпець ‘Column B’ містить рядки, які вказують на певний стан. Нам потрібно створити новий стовпець, ‘Column C’, де для кожного рядка, де ‘Column B’ дорівнює ‘Life’, ‘Column C’ буде містити максимальне значення в діапазоні значень ‘Column A’ від цього рядка до рядка, де ‘Column B’ дорівнює ‘Death’. У випадках, коли ‘Column B’ не дорівнює ‘Life’, значення в ‘Column C’ буде ‘None’.

Для досягнення цієї мети ми можемо використати бібліотеку Polars у Python. Нижче подано код, який демонструє, як це зробити:

import polars as pl
df = pl.DataFrame({
    "Column A": [2, 3, 1, 4, 1, 3, 3, 2, 1, 0],
    "Column B": [
        "Life", None, None, None, "Death", None,
        "Life", None, None, "Death"
    ]
})
# Знаходимо індекси, де 'Column B' дорівнює 'Life' і 'Death'
life_indices = df.filter(pl.col("Column B") == "Life").groupby(pl.col("Column B")).select(pl.sum(pl.lit(1))).get_column(1).cast(pl.Int64).to_list()
death_indices = df.filter(pl.col("Column B") == "Death").groupby(pl.col("Column B")).select(pl.sum(pl.lit(1))).get_column(1).cast(pl.Int64).to_list()
# Знаходимо максимальне значення в діапазоні для кожного 'Life' рядка
for life_index, death_index in zip(life_indices, death_indices):
    max_value = df.slice(life_index, death_index + 1)["Column A"].max()
    df[(life_index, "Column C")] = pl.Series("", pl.Utf8)  # Створюємо новий стовпець з пустими значеннями
    df[(life_index, "Column C")][life_index:death_index + 1] = max_value
print(df)

import polars as pl

df = pl.DataFrame({

"Column A": [2, 3, 1, 4, 1, 3, 3, 2, 1, 0],

"Column B": [

"Life", None, None, None, "Death", None,

"Life", None, None, "Death"

]

})

# Знаходимо індекси, де 'Column B' дорівнює 'Life' і 'Death'

life_indices = df.filter(pl.col("Column B") == "Life").groupby(pl.col("Column B")).select(pl.sum(pl.lit(1))).get_column(1).cast(pl.Int64).to_list()

death_indices = df.filter(pl.col("Column B") == "Death").groupby(pl.col("Column B")).select(pl.sum(pl.lit(1))).get_column(1).cast(pl.Int64).to_list()

# Знаходимо максимальне значення в діапазоні для кожного 'Life' рядка

for life_index, death_index in zip(life_indices, death_indices):

max_value = df.slice(life_index, death_index + 1)["Column A"].max()

df[(life_index, "Column C")] = pl.Series("", pl.Utf8) # Створюємо новий стовпець з пустими значеннями

df[(life_index, "Column C")][life_index:death_index + 1] = max_value

print(df)

Цей код починається зі створення DataFrame за допомогою бібліотеки Polars. Потім він знаходить індекси, де значення ‘Column B’ дорівнює ‘Life’ і ‘Death’. Потім для кожного діапазону між ‘Life’ і ‘Death’ визначається максимальне значення ‘Column A’ та записується в ‘Column C’.

Таким чином, ми успішно використали Polars, щоб знайти максимальне значення в діапазоні заданого стовпця в DataFrame.