2

我正在努力弄清楚如何在 Python 的库中使用groupbyPolars apply。

来自熊猫，我正在使用：

def get_score(df):
   return spearmanr(df["prediction"], df["target"]).correlation

correlations = df.groupby("era").apply(get_score)

但在极地，这是行不通的。

我尝试了几种方法，主要围绕：

correlations = df.groupby("era").apply(get_score)

但这失败并显示错误消息：

'Could net get DataFrame 属性'_df'。确保返回一个 DataFrame 对象。： PyErr { type: <class 'AttributeError'>, value: AttributeError("'numpy.float64' object has no attribute '_df'"),

有任何想法吗？

4

1 回答 1

6

您polars>=0.10.4可以使用该pl.spearman_rank_corr功能。

如果你想使用自定义函数，你可以这样做：

多列/表达式的自定义函数

import polars as pl
from typing import List
from scipy import stats

df = pl.DataFrame({
    "g": [1, 1, 1, 2, 2, 2, 5],
    "a": [2, 4, 5, 190, 1, 4, 1],
    "b": [1, 3, 2, 1, 43, 3, 1]
})

def get_score(args: List[pl.Series]) -> pl.Series:
    return pl.Series([stats.spearmanr(args[0], args[1]).correlation], dtype=pl.Float64)

(df.groupby("g", maintain_order=True)
 .agg(
    pl.apply(
        exprs=["a", "b"], 
        f=get_score).alias("corr")
 ))

Polars 提供的功能

(df.groupby("g", maintain_order=True)
 .agg(
     pl.spearman_rank_corr("a", "b").alias("corr")
 ))

两个输出：

shape: (3, 2)
┌─────┬──────┐
│ g   ┆ corr │
│ --- ┆ ---  │
│ i64 ┆ f64  │
╞═════╪══════╡
│ 1   ┆ 0.5  │
├╌╌╌╌╌┼╌╌╌╌╌╌┤
│ 2   ┆ -1e0 │
├╌╌╌╌╌┼╌╌╌╌╌╌┤
│ 5   ┆ NaN  │
└─────┴──────┘

单个列/表达式上的自定义函数

我们还可以通过.apply或对单个表达式应用自定义函数.map。

下面是一个示例，说明我们如何使用自定义函数和普通极坐标表达式对列进行平方。应该始终首选表达式语法，因为它要快得多。

(df.groupby("g")
 .agg(
     pl.col("a").apply(lambda group: group**2).alias("squared1"),
     (pl.col("a")**2).alias("squared2")
 ))

apply和有什么区别map？

map适用于整列series。apply根据上下文对单个值或单个组起作用。

select语境：
  • map
    • 输入/输出类型：Series
    • 输入的语义含义：一个列值
  • apply
    • 输入/输出类型：Union[int, float, str, bool]
    • 输入的语义含义：列中的单个值
groupby语境：
  • map
    • 输入/输出类型：Series
    • 输入的语义含义：一个列表列，其中值是组
  • apply
    • 输入/输出类型：Series
    • 输入的语义含义：组
于 2021-10-15T13:11:40.237 回答