极地者获得所有可能的类别作为物理表征

Question

给定一个带有分类列的数据框：

import polars as pl

df = pl.DataFrame({
    "id": ["a", "a", "a", "b", "b", "b", "b"],
    "value": [1,1,1,6,6,6,6],
})

res = df.with_columns(bucket = pl.col.value.cut([1,3]))

shape: (7, 3)
┌─────┬───────┬───────────┐
│ id  ┆ value ┆ bucket    │
│ --- ┆ ---   ┆ ---       │
│ str ┆ i64   ┆ cat       │
╞═════╪═══════╪═══════════╡
│ a   ┆ 1     ┆ (-inf, 1] │
│ a   ┆ 1     ┆ (-inf, 1] │
│ a   ┆ 1     ┆ (-inf, 1] │
│ b   ┆ 6     ┆ (3, inf]  │
│ b   ┆ 6     ┆ (3, inf]  │
│ b   ┆ 6     ┆ (3, inf]  │
│ b   ┆ 6     ┆ (3, inf]  │
└─────┴───────┴───────────┘

如何获取分类列的所有潜在值？ 我可以将它们作为字符串，并将

pl.Expr.cat.get_categories()

作为字符串？

res.select(pl.col.bucket.cat.get_categories())

shape: (3, 1)
┌───────────┐
│ bucket    │
│ ---       │
│ str       │
╞═══════════╡
│ (-inf, 1] │
│ (1, 3]    │
│ (3, inf]  │
└───────────┘

我还可以使用

pl.Expr.to_physical()

获取物理表示中的所有现有值

res.select(pl.col.bucket.to_physical())

shape: (7, 1)
┌────────┐
│ bucket │
│ ---    │
│ u32    │
╞════════╡
│ 0      │
│ 0      │
│ 0      │
│ 2      │
│ 2      │
│ 2      │
│ 2      │
└────────┘

但是我如何才能获得其物理表示中的所有潜在值呢？ 我期望输出如下：

shape: (3, 1)
┌────────┐
│ bucket │
│ ---    │
│ u32    │
╞════════╡
│ 0      │
│ 1      │
│ 2      │
└────────┘

或者我应该假设它总是被编码为没有间隙的整数范围？

Answer 1

我没有看到任何直接的方法。但是，您可以按如下方式组合

pl.Expr.cat.get_categories

和

pl.Expr.to_physical

。

res.select(
    pl.col("bucket").cat.get_categories().cast(res.schema["bucket"]).to_physical()
)

shape: (3, 1)
┌────────┐
│ bucket │
│ ---    │
│ u32    │
╞════════╡
│ 0      │
│ 1      │
│ 2      │
└────────┘

在这里，最好实现

pl.Expr.meta.dtype

，这样就可以避免需要

res

。