从
polars>=0.10.4
版本开始,您可以使用
pl.spearman_rank_corr
函数。
如果您想使用自定义函数,可以按照以下方式进行操作:
在多列/表达式上使用自定义函数
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.group_by("g", maintain_order=True)
.agg(
pl.apply(
exprs=["a", "b"],
function=get_score).alias("corr")
))
Polars提供的函数
(df.group_by("g", maintain_order=True)
.agg(
pl.spearman_rank_corr("a", "b").alias("corr")
))
两者的输出:
shape: (3, 2)
┌─────┬──────┐
│ g ┆ corr │
│ --- ┆ --- │
│ i64 ┆ f64 │
╞═════╪══════╡
│ 1 ┆ 0.5 │
├╌╌╌╌╌┼╌╌╌╌╌╌┤
│ 2 ┆ -1e0 │
├╌╌╌╌╌┼╌╌╌╌╌╌┤
│ 5 ┆ NaN │
└─────┴──────┘
在单个列/表达式上应用自定义函数
我们还可以通过.apply
或.map
在单个表达式上应用自定义函数。
下面是一个示例,展示了如何使用自定义函数和普通的polar表达式来对一个列进行平方运算。应该始终优先选择表达式语法,因为它的速度更快。
(df.group_by("g")
.agg(
pl.col("a").apply(lambda group: group**2).alias("squared1"),
(pl.col("a")**2).alias("squared2")
))
apply
和
map
之间有什么区别?
map
适用于整个列series
。而apply
根据上下文适用于单个值或单个组。
select
上下文:
map
- 输入/输出类型:
Series
- 输入的语义含义: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
group_by
上下文:
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