Polars：将分类列设置为特定值，同时保持分类类型

Question

有人可以帮助我为极坐标数据框的某些行设置分类值（基于条件）的首选方法吗？

现在我想出了一个解决方案，将原始数据框分成两部分（条件==真和条件==假）。我在第一部分设置了分类值，然后再次将它们连接在一起。

┌────────┬──────┐
│ column ┆ more │
│ ---    ┆ ---  │
│ cat    ┆ i32  │
╞════════╪══════╡
│ a      ┆ 1    │
├╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌┤
│ b      ┆ 5    │
├╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌┤
│ e      ┆ 9    │ <- I want to set column to 'b' for all rows where it is 'e'
└────────┴──────┘

import polars as pl
df = pl.DataFrame(data={'column': ['a', 'b', 'e'], 'values': [1, 5, 9]}, columns=[('column', pl.Categorical), ('more', pl.Int32)])

print(df)

b_cat_value = df.filter(pl.col('column')=='b')['column'].unique()

df_e_replaced_with_b = df.filter(pl.col('column')=='e').with_column(b_cat_value.alias('column'))
df_no_e = df.filter(pl.col('column')!='e')

print(pl.concat([df_no_e, df_e_replaced_with_b]))

输出符合预期：

┌────────┬──────┐
│ column ┆ more │
│ ---    ┆ ---  │
│ cat    ┆ i32  │
╞════════╪══════╡
│ a      ┆ 1    │
├╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌┤
│ b      ┆ 5    │
├╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌┤
│ b      ┆ 9    │ <- column has been set to 'b'
└────────┴──────┘

有没有更直接的 forward/canonical 来获得 b_cat_value ，比如类似于 df['column'].dtype['b'] 的东西？

以及如何在条件表达式中使用它而不像上面的示例那样拆分数据框？类似于...

df.with_column(
    pl.when(pl.col('column') == 'e').then(b_cat_value).otherwise(pl.col('column'))
)

Answer 1

从 polars>=0.13.33 开始，您可以简单地使用 string 设置分类值，并且 Categorical dtype 将被保留。

所以在这种情况下：

df.with_column(
    pl.when(pl.col("column") == "e").then("b").otherwise(pl.col("column"))
)

Polars：将分类列设置为特定值，同时保持分类类型

Polars: Setting categorical column to a specific value while keeping categorical type

python-polars