Моделируйте данные для бинарной классификации в ржавчине, как Polars DataFrame/Series [Duplicate] ⇐ Python

[Anonymous]

Я пытаюсь перевести следующий код Python в ржавчину/поляры. Код создает набор данных для двоичной классификации: переменная ответа со значениями 0/1 и набор функций для каждой выборки со значениями в диапазоне [0., 1.).
import numpy as np
import pandas as pd

nsmpls = 50
nfeats = 10
smpls_names = [f'smpl{n}' for n in range(nsmpls)]
feats_names = [f'feat{n}' for n in range(nfeats)]

#response variable
y = np.random.randint(0, 2, size=nsmpls)
y = pd.Series(y, index=smpls_names)

#data
X = np.random.random((nfeats, nsmpls))
X = pd.DataFrame(X, columns=smpls_names, index=feats_names)
< /code>
Пока мне удалось создать столбец целых чисел для переменной ответа и одного столбца функций: < /p>
use rand::Rng;
use polars::prelude::*;

fn main() {
let nsmpls = 50;
let nfeats=10;

let mut rng = rand::rng();
//unsuccessful attempt at generating sample names
// let smpls_names: Vec = (0..nsmpls).map(|v| "{v}").collect();

//generating response variables
let y: Series = (0..nsmpls).map(|_| (rng.random_bool(0.5) as u32)).collect();

//generating a column of features
let feats_col: Vec = (0..nsmpls).map(|_| rng.random()).collect();
}
< /code>
Тем не менее, я менее успешно в < /p>

Создание общего образца и имен функций (Complicted Line) < /li>
Создание необходимого количества общих столбцов в DataFrame (что частично связано с предыдущей проблемой) < /li>
< /ul>
или кодовые предложения будут быть очень ценим. Случайные числа в диапазоне? Действительно, к настоящему времени я уже преодолел эту проблему, но все еще остается генерировать данные о данных с произвольным количеством столбцов. Вот мой текущий код: < /p>
use rand::Rng;
use polars::prelude::*;

fn main() {
let nsmpls = 50;
let nfeats=10;

let mut rng = rand::rng();
//unsuccessful attempt at generating sample names
let smpls_names: Vec = (0..nsmpls).map(|v| format!("smpl{v}")).collect();
let feats_names: Vec = (0..nfeats).map(|v| format!("feat{v}")).collect();

//generating response variables
let status: Vec = (0..nsmpls).map(|_| (rng.random_bool(0.5) as u32)).collect();
let c1 = Column::new("Sample".into(), &smpls_names);
let c2 = Column::new("status".into(), &status);
let y = DataFrame::new(vec![c1, c2]);

//generating a column of features
let feats_col: Vec = (0..nsmpls).map(|_| rng.random()).collect();
}


Подробнее здесь: https://stackoverflow.com/questions/794 ... ame-series