Обновить каждую ячейку в кадре данных Polars, используя параллельное определение значения ячейки? ⇐ Python

[Anonymous]

У меня есть такой фрейм данных:

Код: Выделить всё

test_df = pl.DataFrame(
{
"row_id": ["a", "b", "c", "d", "e", "f"],
"s1": [None, 1, 2, 2, 33, 3],
"s2": [None, 32, 12, 2, 0, None],
"s3": [10, 20, 30, 40, 50, 60],
"s4": [0, 34, None, 34, 50, 60],
"s5": [10, 2, None, 123, 3, 432],
}
)

и такой набор значений ячеек:

Код: Выделить всё

import random
rows = count_table["row_id"].to_list()
r_idx = {row: i for i, row in enumerate(rows)}
columns = [col for col in count_table.columns if col != "row_id"]
adjustments = {
(i, j): random.randint(3, 9) for i in rows for j in columns if count_table[r_idx[i], j] is not None
}

Я хочу найти наиболее эффективный способ обновления значений каждой ячейки.
Спасибо!
На данный момент я делаю это с помощью:

Код: Выделить всё

for (i, j), var in adjustments.items():
count_table = count_table.with_columns(
pl.when(pl.col(id_col) == i).then(count_table[j] + var.value()).otherwise(count_table[j]).alias(j)
)

Но мне кажется, что есть более быстрый способ, особенно с учетом мощности параллельных вычислений Polars?

Подробнее здесь: https://stackoverflow.com/questions/791 ... arallel-wa