Как объединить повторяющиеся наблюдения в Polars? ⇐ Python

[Anonymous]

У меня есть фрейм данных как-

Код: Выделить всё

import polars as pl

df = pl.DataFrame({'last_name':['mallesh','bhavik','jagarini','mallesh','jagarini'],
'first_name':['yamulla','vemulla','yegurla','yamulla','yegurla'],
'ssn':['1234','7847','0648','4567','0648']})

Здесь я хотел бы найти дубликаты, учитывая столбцы «last_name» и «firs_name», и если какие-либо дубликаты обнаружены, их соответствующий ssn необходимо свернуть с помощью точки с запятой (;), если SSN не отличаются. если SSN одинаковы, должен присутствовать только один SSN.


ожидаемый результат:


Здесь, поскольку Маллеш Ямулла дублируется и имеет разные SSN, они объединяются с помощью ';'
а в случае джагарини егурлы он имеет уникальный SSN, поэтому берется только один SSN.


Добавлен еще один случай:
Здесь для любого набора столбцов необходимо свести уникальные значения, используя ; из остальных столбцов. здесь по фамилии и имени сведение должно выполняться как по дате рождения, так и по SSN.

Код: Выделить всё

df = pl.DataFrame({'last_name':['mallesh','bhavik','jagarini','mallesh','jagarini'],
'first_name':['yamulla','vemulla','yegurla','yamulla','yegurla'],
'ssn':['1234','7847','0648','4567','0648'],
'dob':['10/11/1990','09/16/1991','01/01/1990','10/11/1990','02/14/1983']   })

Другой случай:

Код: Выделить всё

df = pl.DataFrame({'last_name':['mallesh','bhavik','jagarini','mallesh','jagarini'],
'first_name':['yamulla','vemulla','yegurla','yamulla','yegurla'],
'ssn':['1234','7847','0648','4567','0648'],
'dob':['10/11/1990','09/16/1991','01/01/1990','','02/14/1983']   })

В случае наличия в поле нулевых значений оно должно рассматриваться как пустое, а не как значение.
";11/10/1990" для записи Маллеш Ямулла должно быть просто "10/11/1990".



Подробнее здесь: https://stackoverflow.com/questions/734 ... -in-polars