极坐标中列的顺序编码

Question

我想对列进行序数编码。 Pandas 有很好且方便的方法

pd.factorize()

，但是，我想在 Polars 中实现同样的功能。

 df = pl.DataFrame({"a": [5, 8, 10], "b": ["hi", "hello", "hi"]})

┌─────┬───────┐
│ a   ┆ b     │
│ --- ┆ ---   │
│ i64 ┆ str   │
╞═════╪═══════╡
│ 5   ┆ hi    │
│ 8   ┆ hello │
│ 10  ┆ hi    │
└─────┴───────┘

想要的结果：

┌─────┬─────┐
│ a   ┆ b   │
│ --- ┆ --- │
│ i64 ┆ i64 │
╞═════╪═════╡
│ 0   ┆ 0   │
│ 1   ┆ 1   │
│ 2   ┆ 0   │
└─────┴─────┘

Answer 1

您可以加入一个虚拟

DataFrame

，其中包含您感兴趣的唯一值和序数编码：

df = pl.DataFrame({"a": [5, 8, 10], "b": ["hi", "hello", "hi"]})

unique = df.select(
    pl.col("b").unique(maintain_order=True)
).with_row_index(name="ordinal")

df.join(unique, on="b")

或者您可能“滥用”分类值由

u32

整数支持这一事实。

df.with_columns(
    pl.col("b").cast(pl.Categorical).to_physical().alias("ordinal")
)

两种方法输出：

shape: (3, 3)
┌─────┬───────┬─────────┐
│ a   ┆ b     ┆ ordinal │
│ --- ┆ ---   ┆ ---     │
│ i64 ┆ str   ┆ u32     │
╞═════╪═══════╪═════════╡
│ 5   ┆ hi    ┆ 0       │
│ 8   ┆ hello ┆ 1       │
│ 10  ┆ hi    ┆ 0       │
└─────┴───────┴─────────┘

Answer 2

这是另一种方法，尽管我怀疑它比 @ritchie46 的虚拟 Dataframe 更好

df.with_columns([pl.col('b').unique().list().alias('uniq'),
                pl.col('b').unique().list().arr.eval(pl.element().rank()).alias('uniqid')]).explode(['uniq','uniqid']).filter(pl.col('b')==pl.col('uniq')).select(pl.exclude('uniq')).with_column(pl.col('uniqid')-1)

几乎肯定有一种方法可以改进这一点，但基本上它会创建一个名为

uniq

的新列，它是该列的所有唯一值的列表，以及

uniqid

（我认为，似乎是）1 -基于索引的值顺序。 然后它会分解那些为

uniq

中的任意值创建行的行，然后过滤掉不等于列

b

的行。 由于

rank

给出 1 索引（而不是 0 索引），因此您必须减去

1

并排除我们不关心的

uniq

列，因为它与

b

相同。

Answer 3

如果顺序不重要，您可以使用DENSE RANK()

df.select(pl.all().rank(method="dense") - 1)

shape: (3, 2)
┌─────┬─────┐
│ a   ┆ b   │
│ --- ┆ --- │
│ u32 ┆ u32 │
╞═════╪═════╡
│ 0   ┆ 1   │
│ 1   ┆ 0   │
│ 2   ┆ 1   │
└─────┴─────┘

如果是，您可以：

(
   df.with_row_index()
     .with_columns(
         pl.col("index").first().over(col)
           .rank(method="dense")
           .alias(col) - 1
         for col in df.columns
     )
)

shape: (3, 3)
┌───────┬─────┬─────┐
│ index ┆ a   ┆ b   │
│ ---   ┆ --- ┆ --- │
│ u32   ┆ u32 ┆ u32 │
╞═══════╪═════╪═════╡
│ 0     ┆ 0   ┆ 0   │
│ 1     ┆ 1   ┆ 1   │
│ 2     ┆ 2   ┆ 0   │
└───────┴─────┴─────┘