转换 Polars DataFrame 以使用列的日期标签？

Question

我有兴趣将我使用的一些 Pandas 代码库转换为 Polars。在该代码库中，我们经常使用 Pandas DataFrame，如下所示，其中行代表用户每月的金额：

              2023-09-01  2023-10-01  ...  2024-09-01  2024-10-01
customer_id                                                                                                                                                                         
111111          0.000000    0.000000  ...  918.333333  918.333333
222222        466.666667  883.333333  ...    0.000000    0.000000
333333          0.000000  833.333333  ...  833.333333    0.000000
444444          0.000000    0.000000  ...  833.333333  833.333333

我目前有一个 Polars DataFrame，其中包含类似的信息，只是按行而不是列进行编码：

shape: (313_590, 3)
┌─────────────┬─────────────────────┬────────────┐
│ customer_id ┆ date                ┆ amount     │
│ ---         ┆ ---                 ┆ ---        │
│ i64         ┆ datetime[μs]        ┆ f64        │
╞═════════════╪═════════════════════╪════════════╡
│ 111111      ┆ 2023-01-01 00:00:00 ┆ 80.749008  │
│ 222222      ┆ 2023-06-01 00:00:00 ┆ 87.628968  │
│ 333333      ┆ 2023-02-01 00:00:00 ┆ 180.327381 │
│ 333333      ┆ 2022-06-01 00:00:00 ┆ 180.327381 │
│ …           ┆ …                   ┆ …          │
│ 555555      ┆ 2022-05-01 00:00:00 ┆ 85.818452  │
│ 666666      ┆ 2022-06-01 00:00:00 ┆ 85.818452  │
│ 777777      ┆ 2023-11-01 00:00:00 ┆ 87.628968  │
│ 888888      ┆ 2023-12-01 00:00:00 ┆ 87.628968  │
└─────────────┴─────────────────────┴────────────┘

在此示例中，客户

111111

可能有 12 行，其中一行代表他们存在的每个月的数据。 Polars 有没有一种方法可以将此 DataFrame 转换为类似于上面的 DataFrame，其中列标签可以只是日期的 ISO 格式字符串？

提前致谢！

Answer 1

您可以使用

.pivot()

来做到这一点

(
    df
    .sort('date')
    .with_columns(pl.col('date').dt.strftime("%Y-%m-%d"))
    .pivot('date', index='customer_id')
    .with_columns(pl.col(pl.Float64).fill_null(0))
)

shape: (7, 8)
┌────────────┬────────────┬────────────┬───────────┬───────────┬───────────┬───────────┬───────────┐
│ customer_i ┆ 2022-05-01 ┆ 2022-06-01 ┆ 2023-01-0 ┆ 2023-02-0 ┆ 2023-06-0 ┆ 2023-11-0 ┆ 2023-12-0 │
│ d          ┆ ---        ┆ ---        ┆ 1         ┆ 1         ┆ 1         ┆ 1         ┆ 1         │
│ ---        ┆ f64        ┆ f64        ┆ ---       ┆ ---       ┆ ---       ┆ ---       ┆ ---       │
│ i64        ┆            ┆            ┆ f64       ┆ f64       ┆ f64       ┆ f64       ┆ f64       │
╞════════════╪════════════╪════════════╪═══════════╪═══════════╪═══════════╪═══════════╪═══════════╡
│ 555555     ┆ 85.818452  ┆ 0.0        ┆ 0.0       ┆ 0.0       ┆ 0.0       ┆ 0.0       ┆ 0.0       │
│ 333333     ┆ 0.0        ┆ 180.327381 ┆ 0.0       ┆ 180.32738 ┆ 0.0       ┆ 0.0       ┆ 0.0       │
│            ┆            ┆            ┆           ┆ 1         ┆           ┆           ┆           │
│ 666666     ┆ 0.0        ┆ 85.818452  ┆ 0.0       ┆ 0.0       ┆ 0.0       ┆ 0.0       ┆ 0.0       │
│ 111111     ┆ 0.0        ┆ 0.0        ┆ 80.749008 ┆ 0.0       ┆ 0.0       ┆ 0.0       ┆ 0.0       │
│ 222222     ┆ 0.0        ┆ 0.0        ┆ 0.0       ┆ 0.0       ┆ 87.628968 ┆ 0.0       ┆ 0.0       │
│ 777777     ┆ 0.0        ┆ 0.0        ┆ 0.0       ┆ 0.0       ┆ 0.0       ┆ 87.628968 ┆ 0.0       │
│ 888888     ┆ 0.0        ┆ 0.0        ┆ 0.0       ┆ 0.0       ┆ 0.0       ┆ 0.0       ┆ 87.628968 │
└────────────┴────────────┴────────────┴───────────┴───────────┴───────────┴───────────┴───────────┘

需要注意的是，数据透视表对于帮助显示数据非常有用，但如果您需要进行计算，它们通常不是最好的第一步。例如，如果您想要每月跨客户的总和，那么您可能首先需要数据透视表，但最好只在日期上执行 group_by 。