Python 分解polars DataFrame列而不重复其他列值

发布于03月12日

作为一个最小的例子，假设我们有next polars. DataFrame:

df = pl.DataFrame({"sub_id": [1,2,3], "engagement": ["one:one,two:two", "one:two,two:one", "one:one"], "total_duration": [123, 456, 789]})

sub_id	engagement	total_duration
1	one:one,two:two	123
2	one:two,two:one	456
3	one:one	789

然后我们就炸开"订婚"栏

df = df.with_columns(pl.col("engagement").str.split(",")).explode("engagement")

并收到:

sub_id	engagement	total_duration
1	one:one	123
1	two:two	123
2	one:two	456
2	two:one	456
3	one:one	789

对于可视化，我使用Plotly，代码如下:

import plotly.express as px
fig = px.bar(df, x="sub_id", y="total_duration", color="engagement")
fig.show()

由此产生的情节:

Resulting plot

现在，这基本上意味着用户1和2的total_duration(总观看时间)增加了一倍. 我如何保持total_duration per sub，但保留参与组如情节图例所示？

推荐答案

在两极中处理这个问题的一个选项是在sub_id内的接合行之间平均分割total_duration.为此，我们简单地将total_duration除以给定的sub_id的行数.

(
    df
    .with_columns(
        pl.col("engagement").str.split(",")
    )
    .explode("engagement")
    .with_columns(
        pl.col("total_duration") / pl.len().over("sub_id")
    )
)

shape: (5, 3)
┌────────┬────────────┬────────────────┐
│ sub_id ┆ engagement ┆ total_duration │
│ ---    ┆ ---        ┆ ---            │
│ i64    ┆ str        ┆ f64            │
╞════════╪════════════╪════════════════╡
│ 1      ┆ one:one    ┆ 61.5           │
│ 1      ┆ two:two    ┆ 61.5           │
│ 2      ┆ one:two    ┆ 228.0          │
│ 2      ┆ two:one    ┆ 228.0          │
│ 3      ┆ one:one    ┆ 789.0          │
└────────┴────────────┴────────────────┘