在 python polars 中过滤和聚合列表字典

可以使用.str.json_extract()解析列中的JSON字符串

在本例中，您将获得一个可以.unnest

>>> df.with_columns(pl.col("json").str.json_extract()).unnest("json")
shape: (3, 2)
┌─────────────┬────────────────┐
│ x           ┆ y              │
│ ---         ┆ ---            │
│ list[i64]   ┆ list[i64]      │
╞═════════════╪════════════════╡
│ [0, 1, … 3] ┆ [10, 20, … 40] │
│ [0, 1, … 3] ┆ [10, 20, … 40] │
│ [0, 1, … 3] ┆ [10, 20, … 40] │
└─────────────┴────────────────┘

然后，您可以.explode个列表并执行您的筛选器/AGG逻辑:

(df.with_row_count()
   .with_columns(pl.col("json").str.json_extract())
   .unnest("json")
   .explode("x", "y")
   .filter(pl.col("x").is_between(1, 2))
   .groupby("row_nr")
   .agg(pl.mean("y")))

shape: (3, 2)
┌────────┬──────┐
│ row_nr ┆ y    │
│ ---    ┆ ---  │
│ u32    ┆ f64  │
╞════════╪══════╡
│ 0      ┆ 25.0 │
│ 1      ┆ 25.0 │
│ 2      ┆ 25.0 │
└────────┴──────┘

您也可以使用List API:

(df.with_columns(pl.col("json").str.json_extract())
   .unnest("json")
   .select(
      pl.col("y").arr.take(
         pl.col("x").arr.eval(pl.element().is_between(1, 2).arg_true())
      ).arr.mean()
   )
)