Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.
Dado los siguientes datos, estoy buscando agrupar y combinar dos columnas en una, manteniendo un diccionario. Una columna proporciona las claves, mientras que los valores provienen de otra columna que se agrega en una lista primero. import polars as pl data = pl.DataFrame( { “names”: [“foo”, “ham”, “spam”, “cheese”, “egg”, . . . Read more
Intenté pl.col('foo').cast(np.uint32) y obtuve un NotImplementedError. Pregunto esto porque col.str.lengths() devuelve una columna de tipo UInt32 y las columnas deben ser del mismo tipo para las uniones.
Cómo hacer algo parecido a groupby_dynamic pero que pueda admitir un índice definido por el usuario. El groupby_dynamic puede admitir un índice de tiempo para realizar una operación como un remuestreo. Pero solo puede admitir el rango de manera no duplicada, como por ejemplo: time day1 9:00 day1 15:00 day2 . . . Read more
Me gustaría convertir una columna con el tipo “datetype[ms]” a “datetime[ns]” en polars. ¿Hay una forma sencilla de hacer esto? Creo que hay un problema con “groupbydynamic” al usar “datetime[ms]” y me gustaría probar esto.
Digamos que tengo un archivo CSV: csv transaction_id,user,book 1,bob,bookA 2,bob,bookA 3,bob,bookB 4,tim,bookA 5,lucy,bookA 6,lucy,bookC 7,lucy,bookC 8,lucy,bookC Por usuario, quiero encontrar el libro hacia el cual han mostrado mayor preferencia. Por ejemplo, la salida debería ser: shape: (3, 2) ┌──────┬──────────┐ │ user ┆ fav_book │ │ — ┆ — │ │ . . . Read more