根据polars DataFrame计算组中正行的百分比

你可以使用自定义 group_by.agg 具有 Expr.ge 和 Expr.mean 。这将把值转换为 False / True 根据符号,然后计算 没错 通过采取 mean :

df.group_by('group').agg(positive_percent=pl.col('value').ge(0).mean())

输出:

┌───────┬──────────────────┐
│ group ┆ positive_percent │
│ ---   ┆ ---              │
│ str   ┆ f64              │
╞═══════╪══════════════════╡
│ A     ┆ 0.6              │
│ B     ┆ 0.8              │
└───────┴──────────────────┘

中间体:

┌───────┬───────┬───────┬──────┐
│ group ┆ value ┆ ge(0) ┆ mean │
│ ---   ┆ ---   ┆ ---   ┆ ---  │
│ str   ┆ i64   ┆ bool  ┆ f64  │
╞═══════╪═══════╪═══════╪══════╡
│ A     ┆ 2     ┆ true  ┆ 0.6  │ #
│ A     ┆ -1    ┆ false ┆ 0.6  │ # group A
│ A     ┆ 3     ┆ true  ┆ 0.6  │ # (True+False+True+True+False)/5
│ A     ┆ 1     ┆ true  ┆ 0.6  │ # = 3/5 = 0.6
│ A     ┆ -2    ┆ false ┆ 0.6  │ #
│ B     ┆ 1     ┆ true  ┆ 0.8  │
│ B     ┆ 2     ┆ true  ┆ 0.8  │
│ B     ┆ -1    ┆ false ┆ 0.8  │
│ B     ┆ 3     ┆ true  ┆ 0.8  │
│ B     ┆ 2     ┆ true  ┆ 0.8  │
└───────┴───────┴───────┴──────┘

• pl.DataFrame.group_by() 根据数据进行分组。
• .GroupBy.agg() 以汇总数据。

本质上,你想转换你的 value 列为 True 或 1 对于积极/ False 或 0 为负数,然后计算百分比。

df.group_by("group").agg(
    positive_percent = (pl.all() > 0).sum() / pl.len()
)

shape: (2, 2)
┌───────┬───────┐
│ group ┆ value │
│ ---   ┆ ---   │
│ str   ┆ f64   │
╞═══════╪═══════╡
│ B     ┆ 0.8   │
│ A     ┆ 0.6   │
└───────┴───────┘

或者,您可以过滤掉条件不为真的所有行:

df.group_by("group").agg(
    pl.col.value.filter(pl.col.value > 0).count() / pl.len()
)