Python - Страница 825

У меня есть фрейм данных со многими столбцами, содержащими inf. Я хотел бы заменить их на null. Все имена столбцов, о которых идет речь, начинаются со строки «ratio_».
Я пробовал это, но получаю новые столбцы с заголовком «литерал», когда хочу...

У меня есть полярный код, который функционально может делать то, что я хочу, но я считаю, что это в лучшем случае неэффективная реализация. Я чувствую, что должен быть какой-то способ добиться того же результата с помощью .map_batches(), но не могу...

В настоящее время я могу усечь значения str отдельного столбца до уровня ниже ограничения символов Excel (неспособность сделать это означает, что следующие ячейки будут пустыми с помощью xlsxwriter), но я хочу сделать это для каждого/любого столбца,...

Pandas read_csv допускает конвертеры для предварительной обработки каждого поля. Это очень полезно, особенно для проверки int64 или смешанных форматов дат и т. д. Не могли бы вы предоставить способ чтения нескольких столбцов как pl.String, а затем...

Как в Polars указать один dtype для всех столбцов в read_csv?
Согласно документации, аргумент Schema_overrides для read_csv может принимать либо сопоставление (dict) в форме {'column_name': dtype, либо список dtypes, по одному для каждого столбца....

Я пытаюсь извлечь только даты из строкового столбца datetime, но не могу получить правильные результаты. Я не уверен, но может ли однозначный формат даты создать проблему?
data:
import polars as pl

df = pl.from_repr(...

Я пытаюсь создать дополнительные столбцы на основе существующего имени столбца в полярах.
Существующее имя столбца — starttime. Этот столбец содержит строку даты и времени.
import polars as pl

df = pl.from_repr(...

Я пытаюсь преобразовать столбец str в DataFrame в формат даты ГГГГ-ММ-ДД. Как преобразовать разные форматы даты в один формат ГГГГ-ММ-ДД?
import polars as pl

s = pl.Series( date , )

df = s.to_frame().with_columns(pl.col( date ).str.to_date( %d%m%Y...

Я получил кадр данных объекта Polars.DataFrame с несколькими столбцами — строками и не строками (как показано ниже), объект, в котором я хочу преобразовать все столбцы в строки:
import polars as pl
import polars.selectors as cs
data_frame =...

У меня есть фрейм данных, который я хотел бы изучить и просмотреть только повторяющиеся строки на основе двух или более столбцов.
Например:
import polars as pl

df = pl.DataFrame({ A : ,
B : ,
C : })

Я хотел бы вернуть повторяющуюся комбинацию...

Я готовлю несколько файлов для загрузки в базу данных, используя scan_csv Polars.
Некоторые столбцы содержат очень длинный текст, который необходимо обрезать до заданного количества символов, иначе загрузка завершится неудачно.
Как лучше всего...

Я хочу отфильтровать кадр данных Polars на основе столбца, где значения представляют собой список.
import polars as pl

df = pl.DataFrame(
{
foo : [ , , ],
bar : ,
ham : ,
})

Мне нужен фильтр, который возвращает каждую строку, в которой столбец...

Мне интересно, есть ли способ обработать условное присваивание в кадре данных Polars без использования связанных с numpy.
import polars as pl
import numpy as np

df = pl.DataFrame({'team': ,
'conference': ,
'points': ,
'rebounds': })

shape: (6, 4)...

Я понимаю, что оба обрабатывают переменные аргументы, но в чем именно разница между *args и **kwargs с точки зрения того, как они хранят и передают данные? Кроме того, когда мне следует отдать предпочтение одному другому?

Подробнее здесь:

По сути, я хочу вычислить сумму степеней константы.
В качестве иллюстрации:
import polars as pl

c = 2

df = pl.DataFrame({ a : })

df.select(pl.lit(c).pow(pl.col( a )).sum())

shape: (1, 1)
┌─────────┐
│ literal │
│ --- │
│ i32 │
╞═════════╡
│...

У меня есть фрейм данных Polars
import polars as pl

df = pl.from_repr(
┌─────────┬─────────────────────────────┐
│ item_id ┆ num_days_after_first_review │
│ --- ┆ --- │
│ i64 ┆ i64 │
╞═════════╪═════════════════════════════╡
│ 1 ┆ 3 │
│ 1 ┆ 3 │
│...

У меня есть временные метки просмотра продукта, и я хочу удалить дубликаты, возникающие в течение первых десяти минут после предыдущей неповторяющейся временной метки (это может быть связано с тем, что пользователь обновляет страницу). Я также хочу...

Я создал виртуальную среду на своем RPI CM4 и установил pynmea2.
Однако, используя любой из методов, которые я нашел для его активации внутри скрипта Python, импорт pynmea2 всегда завершается неудачей, поскольку модуль не найден (он указан в...

Я экспериментирую с фреймом данных Polars. В первом столбце хранятся строки или нулевые значения, во втором — числа или нулевые значения. Остальные — это столбцы с ненулевыми данными.
import polars as pl

df = pl.from_repr(...

У меня есть файл df, который я хотел бы сгруппировать и записать в формат csv. Однако один из столбцов имеет тип списка, который предотвращает запись df в csv.
import polars as pl

df = pl.DataFrame({ Column A : ,
Column B : })

Что я хочу...

В pandas я могу интерполировать на основе даты и времени, например:
import polars as pl
from datetime import datetime

df1 = pl.DataFrame(
{
ts : ,
value : ,
}
)

df1.to_pandas().set_index('ts').interpolate(method='index')

Выходы:
value
ts...

У меня очень большое количество файлов данных Parquet, которые я могу легко объединить и агрегировать с помощью Polars, делая что-то вроде этого (обратите внимание на глобус в имени файла):
(
pl.scan_parquet('data/data-16828*.parquet')
.groupby( )...

У меня есть кадр данных Polars, который я разделил на несколько кадров с помощью np.array_split. После разделения и преобразования обратно в полярный фрейм данных все столбцы имеют тип данных «объект». Когда я хочу изменить тип данных с помощью...

Я пытаюсь выполнить следующую операцию
Входные данные:
import polars as pl

df = pl.DataFrame({
left : ,
center : ,
right :
})

shape: (5, 3)
┌──────┬────────┬───────┐
│ left ┆ center ┆ right │
│ --- ┆ --- ┆ --- │
│ str ┆ str ┆ i64 │...

У меня есть Polars LazyFrame, который имеет 3 столбца типа списка с нулевым значением , что-то вроде этого.
import polars as pl

lf = pl.DataFrame({
1 : [
,
,
,
None,
],
2 : [
,
,
,
None,
],
3 : [
,
None,
,
None,
],
}).lazy()...