python-polars - 如何获取极地组的row_count？

Question

用法可能类似于下面的代码

out_df = df.select([
    pl.col("*"),
    pl.col("md5").row_count().over("md5").alias("row_count"),
])
print(out_df)

数据应该是这样的：

之前：

md5

一个

一个

b

之后：

md5 行数

一个 1

a2

乙 1

Answer 1

也许我误会了，因为您的输出具有 1 和 2 的值a。假设你的意思2是：

你非常接近，Polars 有.count()：

import polars as pl

df = pl.DataFrame({"md5": ["a", "a", "b"]})
out_df = df.select([
    pl.col("*"),
    pl.col("md5").count().over("md5").alias("row_count"),
])
print(out_df)

打印出这个：

shape: (3, 2)
┌─────┬───────────┐
│ md5 ┆ row_count │
│ --- ┆ ---       │
│ str ┆ u32       │
╞═════╪═══════════╡
│ a   ┆ 2         │
├╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌┤
│ a   ┆ 2         │
├╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌┤
│ b   ┆ 1         │
└─────┴───────────┘

Answer 2

如果我认为我理解正确，您希望对组中的每个看到的值进行计数。

你可以这样做：

df = pl.DataFrame({"md5": ["a", "a", "b"]})

(df
.with_column(pl.lit(1).alias("ones"))
.select([
    pl.all().exclude("ones"),
    pl.col("ones").cumsum().over("md5").flatten().alias("row_count")
]))

shape: (3, 2)
┌─────┬───────────┐
│ md5 ┆ row_count │
│ --- ┆ ---       │
│ str ┆ i32       │
╞═════╪═══════════╡
│ a   ┆ 1         │
├╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌┤
│ a   ┆ 2         │
├╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌┤
│ b   ┆ 1         │
└─────┴───────────┘

我们仍然需要添加一个虚拟列"ones"，因为（从 polars==0.10.23 开始，我们无法在文字上应用窗口函数。我们将添加此功能。