在 polars.dataframe 中使用 IF 条件
using IF condition in polars.dataframe
这是我的代码示例。我正在尝试使用 IF 条件查找特定行
例如，
┌────────────┬────────────┬────────────┬────────────┬────────────┬───────┬──────┐
│ xmin ┆ ymin ┆ xmax ┆ ymax ┆ confidence ┆ class ┆ name │
│ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- │
│ f64 ┆ f64 ┆ f64 ┆ f64 ┆ f64 ┆ i64 ┆ str │
╞════════════╪════════════╪════════════╪════════════╪════════════╪═══════╪══════╡
│ 385.432404 ┆ 265.198486 ┆ 402.597534 ┆ 286.265503 ┆ 0.880611 ┆ 0 ┆ corn │
├╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌┼╌╌╌╌╌╌┤
│ 357.966461 ┆ 424.923828 ┆ 393.622803 ┆ 473.383209 ┆ 0.8493 ┆ 0 ┆ ice │
└────────────┴────────────┴────────────┴────────────┴────────────┴───────┴──────┘
if boxes[(boxes['name']=='corn') & (boxes['ymax']>=250) & (boxes['ymin']<=265)]:
print("found")
if boxes[(boxes['name']=='ice') & (boxes['ymax']>=460) & (boxes['ymin']<=600) & (boxes['xmin']<=600)]:
print("found")
上面的代码可以工作，但是当没有数据时，它会给我一个错误 ValueError: could not convert string to float: 'corn'。我假设它是因为当没有插入数据时，列的每个 dtype(xmin, ymin,xmax,ymax, confidence, class, name) 都会自动设置为 f32。那么我该如何更改它，是否有更好的方法来完成同样的工作，因为我上面写的代码对我来说看起来不太优化。 （对不起，我的英语不好，如果很难理解我想说的话。）如果有人能帮助我，我将不胜感激
设置每一列的数据类型
为了标准化DataFrame集合中每一列的数据类型，您可以在创建DataFrame时将（列名，数据类型）元组列表传递给columns关键字。这确保每个 DataFrame 都将具有相同名称和数据类型的列，即使 DataFrame 为空。
来自 DataFrame 的文档：
columns: Sequence of str or (str,DataType) pairs, default None
让我们从您的 那里借用一些代码，看看它是如何工作的：
import polars as pl
ca = [
("xmin", pl.Float64),
("ymin", pl.Float64),
("xmax", pl.Float64),
("ymax", pl.Float64),
("confidence", pl.Float64),
("class", pl.Int32),
("name", pl.Utf8),
] # xyxy columns
请注意，每个列名现在都是元组的一部分，连同我们想要的数据类型。我为您的大部分专栏选择了 Float64，但您可以将其更改为更合适的内容。这是 Polars datatypes.
的便捷列表
让我们看看它是如何工作的（同样，从您的 那里借用代码）。
a = [
[],
[
[
370.01605224609375,
346.4305114746094,
398.3968811035156,
384.5684814453125,
0.9011853933334351,
0,
"corn",
]
],
]
for x in a:
print(pl.DataFrame(x or None, columns=ca, orient="row"))
shape: (0, 7)
┌──────┬──────┬──────┬──────┬────────────┬───────┬──────┐
│ xmin ┆ ymin ┆ xmax ┆ ymax ┆ confidence ┆ class ┆ name │
│ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- │
│ f64 ┆ f64 ┆ f64 ┆ f64 ┆ f64 ┆ i32 ┆ str │
╞══════╪══════╪══════╪══════╪════════════╪═══════╪══════╡
└──────┴──────┴──────┴──────┴────────────┴───────┴──────┘
shape: (1, 7)
┌────────────┬────────────┬────────────┬────────────┬────────────┬───────┬──────┐
│ xmin ┆ ymin ┆ xmax ┆ ymax ┆ confidence ┆ class ┆ name │
│ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- │
│ f64 ┆ f64 ┆ f64 ┆ f64 ┆ f64 ┆ i32 ┆ str │
╞════════════╪════════════╪════════════╪════════════╪════════════╪═══════╪══════╡
│ 370.016052 ┆ 346.430511 ┆ 398.396881 ┆ 384.568481 ┆ 0.901185 ┆ 0 ┆ corn │
└────────────┴────────────┴────────────┴────────────┴────────────┴───────┴──────┘
现在对应的列具有相同的数据类型，即使对于空数据帧也是如此。这将在我们查询数据帧时帮助我们。 （我们不需要每次查询 DataFrame 时都 cast 数据类型）。
进一步说明：请注意，我更改了 DataFrame 构造函数：
pl.DataFrame(x, columns=c, orient="row")
至
pl.DataFrame(x or None, columns=c, orient="row")
这是 DataFrame 为空时的解决方法。 （未来版本的 Polars 可能不再需要此解决方法。）
查询
现在每个 DataFrame 中的列的数据类型都是标准化的，即使对于空 DataFrame，我们也可以 运行 查询而不用担心转换数据类型。
让我们首先使用示例中的数据创建一个 DataFrame：
_data = [
[385.432404, 265.198486, 402.597534, 286.265503, 0.880611, 0, "corn"],
[357.966461, 424.923828, 393.622803, 473.383209, 0.8493, 0, "ice"],
]
ca = [
("xmin", pl.Float64),
("ymin", pl.Float64),
("xmax", pl.Float64),
("ymax", pl.Float64),
("confidence", pl.Float64),
("class", pl.Int32),
("name", pl.Utf8),
] # xyxy columns
boxes = pl.DataFrame(_data or None, columns=ca, orient="row")
print(boxes)
shape: (2, 7)
┌────────────┬────────────┬────────────┬────────────┬────────────┬───────┬──────┐
│ xmin ┆ ymin ┆ xmax ┆ ymax ┆ confidence ┆ class ┆ name │
│ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- │
│ f64 ┆ f64 ┆ f64 ┆ f64 ┆ f64 ┆ i32 ┆ str │
╞════════════╪════════════╪════════════╪════════════╪════════════╪═══════╪══════╡
│ 385.432404 ┆ 265.198486 ┆ 402.597534 ┆ 286.265503 ┆ 0.880611 ┆ 0 ┆ corn │
├╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌┼╌╌╌╌╌╌┤
│ 357.966461 ┆ 424.923828 ┆ 393.622803 ┆ 473.383209 ┆ 0.8493 ┆ 0 ┆ ice │
└────────────┴────────────┴────────────┴────────────┴────────────┴───────┴──────┘
让我们看看您发布的两个查询中的第二个：
if boxes[(boxes['name']=='ice') & (boxes['ymax']>=460) & (boxes['ymin']<=600) & (boxes['xmin']<=600)]:
print("found")
在 Polars 中，我们 运行 使用 filter 方法进行查询。在 Polars 中，我们会将此查询表示为：
boxes.filter(
(pl.col("name") == "ice")
& (pl.col("ymax") >= 460)
& (pl.col("ymin") <= 600)
& (pl.col("xmin") <= 600)
)
shape: (1, 7)
┌────────────┬────────────┬────────────┬────────────┬────────────┬───────┬──────┐
│ xmin ┆ ymin ┆ xmax ┆ ymax ┆ confidence ┆ class ┆ name │
│ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- │
│ f64 ┆ f64 ┆ f64 ┆ f64 ┆ f64 ┆ i32 ┆ str │
╞════════════╪════════════╪════════════╪════════════╪════════════╪═══════╪══════╡
│ 357.966461 ┆ 424.923828 ┆ 393.622803 ┆ 473.383209 ┆ 0.8493 ┆ 0 ┆ ice │
└────────────┴────────────┴────────────┴────────────┴────────────┴───────┴──────┘
如果您想知道查询是否返回了任何记录（以便您可以在 if 语句中使用结果），请使用 is_empty 方法：
my_query = boxes.filter(
(pl.col("name") == "ice")
& (pl.col("ymax") >= 460)
& (pl.col("ymin") <= 600)
& (pl.col("xmin") <= 600)
)
if not my_query.is_empty():
print("I found records")
>>> my_query = boxes.filter(
... (pl.col("name") == "ice")
... & (pl.col("ymax") >= 460)
... & (pl.col("ymin") <= 600)
... & (pl.col("xmin") <= 600)
...
... )
>>> if not my_query.is_empty():
... print("I found records")
...
I found records
is_empty 方法不是绝对必要的。这也将起作用：
if my_query:
print("I found records")
>>> if my_query:
... print("I found records")
...
I found records
This is a workaround for cases when your DataFrame is empty. (This
workaround may no longer be needed in future versions of Polars.)
的确，不再需要了-我patched this大约3周前，不久后就合并了；您可以跳过此后发布的所有版本中的解决方法。
这是我的代码示例。我正在尝试使用 IF 条件查找特定行 例如，
┌────────────┬────────────┬────────────┬────────────┬────────────┬───────┬──────┐
│ xmin ┆ ymin ┆ xmax ┆ ymax ┆ confidence ┆ class ┆ name │
│ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- │
│ f64 ┆ f64 ┆ f64 ┆ f64 ┆ f64 ┆ i64 ┆ str │
╞════════════╪════════════╪════════════╪════════════╪════════════╪═══════╪══════╡
│ 385.432404 ┆ 265.198486 ┆ 402.597534 ┆ 286.265503 ┆ 0.880611 ┆ 0 ┆ corn │
├╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌┼╌╌╌╌╌╌┤
│ 357.966461 ┆ 424.923828 ┆ 393.622803 ┆ 473.383209 ┆ 0.8493 ┆ 0 ┆ ice │
└────────────┴────────────┴────────────┴────────────┴────────────┴───────┴──────┘
if boxes[(boxes['name']=='corn') & (boxes['ymax']>=250) & (boxes['ymin']<=265)]:
print("found")
if boxes[(boxes['name']=='ice') & (boxes['ymax']>=460) & (boxes['ymin']<=600) & (boxes['xmin']<=600)]:
print("found")
上面的代码可以工作，但是当没有数据时，它会给我一个错误 ValueError: could not convert string to float: 'corn'。我假设它是因为当没有插入数据时，列的每个 dtype(xmin, ymin,xmax,ymax, confidence, class, name) 都会自动设置为 f32。那么我该如何更改它，是否有更好的方法来完成同样的工作，因为我上面写的代码对我来说看起来不太优化。 （对不起，我的英语不好，如果很难理解我想说的话。）如果有人能帮助我，我将不胜感激
设置每一列的数据类型
为了标准化DataFrame集合中每一列的数据类型，您可以在创建DataFrame时将（列名，数据类型）元组列表传递给columns关键字。这确保每个 DataFrame 都将具有相同名称和数据类型的列，即使 DataFrame 为空。
来自 DataFrame 的文档：
columns: Sequence of str or (str,DataType) pairs, default None
让我们从您的
import polars as pl
ca = [
("xmin", pl.Float64),
("ymin", pl.Float64),
("xmax", pl.Float64),
("ymax", pl.Float64),
("confidence", pl.Float64),
("class", pl.Int32),
("name", pl.Utf8),
] # xyxy columns
请注意，每个列名现在都是元组的一部分，连同我们想要的数据类型。我为您的大部分专栏选择了 Float64，但您可以将其更改为更合适的内容。这是 Polars datatypes.
让我们看看它是如何工作的（同样，从您的
a = [
[],
[
[
370.01605224609375,
346.4305114746094,
398.3968811035156,
384.5684814453125,
0.9011853933334351,
0,
"corn",
]
],
]
for x in a:
print(pl.DataFrame(x or None, columns=ca, orient="row"))
shape: (0, 7)
┌──────┬──────┬──────┬──────┬────────────┬───────┬──────┐
│ xmin ┆ ymin ┆ xmax ┆ ymax ┆ confidence ┆ class ┆ name │
│ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- │
│ f64 ┆ f64 ┆ f64 ┆ f64 ┆ f64 ┆ i32 ┆ str │
╞══════╪══════╪══════╪══════╪════════════╪═══════╪══════╡
└──────┴──────┴──────┴──────┴────────────┴───────┴──────┘
shape: (1, 7)
┌────────────┬────────────┬────────────┬────────────┬────────────┬───────┬──────┐
│ xmin ┆ ymin ┆ xmax ┆ ymax ┆ confidence ┆ class ┆ name │
│ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- │
│ f64 ┆ f64 ┆ f64 ┆ f64 ┆ f64 ┆ i32 ┆ str │
╞════════════╪════════════╪════════════╪════════════╪════════════╪═══════╪══════╡
│ 370.016052 ┆ 346.430511 ┆ 398.396881 ┆ 384.568481 ┆ 0.901185 ┆ 0 ┆ corn │
└────────────┴────────────┴────────────┴────────────┴────────────┴───────┴──────┘
现在对应的列具有相同的数据类型，即使对于空数据帧也是如此。这将在我们查询数据帧时帮助我们。 （我们不需要每次查询 DataFrame 时都 cast 数据类型）。
进一步说明：请注意，我更改了 DataFrame 构造函数：
pl.DataFrame(x, columns=c, orient="row")
至
pl.DataFrame(x or None, columns=c, orient="row")
这是 DataFrame 为空时的解决方法。 （未来版本的 Polars 可能不再需要此解决方法。）
查询
现在每个 DataFrame 中的列的数据类型都是标准化的，即使对于空 DataFrame，我们也可以 运行 查询而不用担心转换数据类型。
让我们首先使用示例中的数据创建一个 DataFrame：
_data = [
[385.432404, 265.198486, 402.597534, 286.265503, 0.880611, 0, "corn"],
[357.966461, 424.923828, 393.622803, 473.383209, 0.8493, 0, "ice"],
]
ca = [
("xmin", pl.Float64),
("ymin", pl.Float64),
("xmax", pl.Float64),
("ymax", pl.Float64),
("confidence", pl.Float64),
("class", pl.Int32),
("name", pl.Utf8),
] # xyxy columns
boxes = pl.DataFrame(_data or None, columns=ca, orient="row")
print(boxes)
shape: (2, 7)
┌────────────┬────────────┬────────────┬────────────┬────────────┬───────┬──────┐
│ xmin ┆ ymin ┆ xmax ┆ ymax ┆ confidence ┆ class ┆ name │
│ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- │
│ f64 ┆ f64 ┆ f64 ┆ f64 ┆ f64 ┆ i32 ┆ str │
╞════════════╪════════════╪════════════╪════════════╪════════════╪═══════╪══════╡
│ 385.432404 ┆ 265.198486 ┆ 402.597534 ┆ 286.265503 ┆ 0.880611 ┆ 0 ┆ corn │
├╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌┼╌╌╌╌╌╌┤
│ 357.966461 ┆ 424.923828 ┆ 393.622803 ┆ 473.383209 ┆ 0.8493 ┆ 0 ┆ ice │
└────────────┴────────────┴────────────┴────────────┴────────────┴───────┴──────┘
让我们看看您发布的两个查询中的第二个：
if boxes[(boxes['name']=='ice') & (boxes['ymax']>=460) & (boxes['ymin']<=600) & (boxes['xmin']<=600)]:
print("found")
在 Polars 中，我们 运行 使用 filter 方法进行查询。在 Polars 中，我们会将此查询表示为：
boxes.filter(
(pl.col("name") == "ice")
& (pl.col("ymax") >= 460)
& (pl.col("ymin") <= 600)
& (pl.col("xmin") <= 600)
)
shape: (1, 7)
┌────────────┬────────────┬────────────┬────────────┬────────────┬───────┬──────┐
│ xmin ┆ ymin ┆ xmax ┆ ymax ┆ confidence ┆ class ┆ name │
│ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- │
│ f64 ┆ f64 ┆ f64 ┆ f64 ┆ f64 ┆ i32 ┆ str │
╞════════════╪════════════╪════════════╪════════════╪════════════╪═══════╪══════╡
│ 357.966461 ┆ 424.923828 ┆ 393.622803 ┆ 473.383209 ┆ 0.8493 ┆ 0 ┆ ice │
└────────────┴────────────┴────────────┴────────────┴────────────┴───────┴──────┘
如果您想知道查询是否返回了任何记录（以便您可以在 if 语句中使用结果），请使用 is_empty 方法：
my_query = boxes.filter(
(pl.col("name") == "ice")
& (pl.col("ymax") >= 460)
& (pl.col("ymin") <= 600)
& (pl.col("xmin") <= 600)
)
if not my_query.is_empty():
print("I found records")
>>> my_query = boxes.filter(
... (pl.col("name") == "ice")
... & (pl.col("ymax") >= 460)
... & (pl.col("ymin") <= 600)
... & (pl.col("xmin") <= 600)
...
... )
>>> if not my_query.is_empty():
... print("I found records")
...
I found records
is_empty 方法不是绝对必要的。这也将起作用：
if my_query:
print("I found records")
>>> if my_query:
... print("I found records")
...
I found records
This is a workaround for cases when your DataFrame is empty. (This workaround may no longer be needed in future versions of Polars.)
的确，不再需要了-我patched this大约3周前，不久后就合并了；您可以跳过此后发布的所有版本中的解决方法。