Wie generiert man einen eindeutigen temporären Spaltennamen zur konfliktfreien Verwendung in einem Polars-Datenrahmen? ⇐ Python

[Anonymous]

Ich habe eine benutzerdefinierte Funktion, die einige Datenbereinigungen für einen polaren DataFrame durchführt. Aus Effizienzgründen speichere ich einige Ergebnisse in der Mitte zwischen und entferne sie am Ende.
Das ist meine Funktion:

Code: Select all

import polars as pl

def clean_data(df, cols):
return (
df.with_columns(pl.mean(col).alias(f"__{col}_mean") for col in cols)
.with_columns(
pl.when(pl.col(col) < pl.col(f"__{col}_mean") * 3 / 4)
.then(pl.col(f"__{col}_mean") * 3 / 4)
.when(pl.col(col) > pl.col(f"__{col}_mean") * 5 / 4)
.then(pl.col(f"__{col}_mean") * 5 / 4)
.otherwise(pl.col(col))
.alias(col)
for col in cols
)
.select(pl.exclude(f"__{col}_mean" for col in cols))
)

Es funktioniert gut für „normale“ Eingaben:

Code: Select all

df = pl.DataFrame(
{
"a": [1, 2, 3, 4, 5, 12, 28],
"a2": [1, 2, 3, 4, 5, 6, 7],
}
)

clean_data(df, ["a", "a2"])

Code: Select all

shape: (7, 2)
┌──────────┬─────┐
│ a        ┆ a2  │
│ ---      ┆ --- │
│ f64      ┆ f64 │
╞══════════╪═════╡
│ 5.892857 ┆ 3.0 │
│ 5.892857 ┆ 3.0 │
│ 5.892857 ┆ 3.0 │
│ 5.892857 ┆ 4.0 │
│ 5.892857 ┆ 5.0 │
│ 9.821429 ┆ 5.0 │
│ 9.821429 ┆ 5.0 │
└──────────┴─────┘

Es besteht jedoch die Möglichkeit, dass der Name meiner zwischengespeicherten Spalten mit dem Namen von Spalten in Konflikt steht, die in den Benutzereingaben vorhanden sind, zum Beispiel:

Code: Select all

df = pl.DataFrame(
{
"a": [1, 2, 3, 4, 5, 12, 28],
"a2": [1, 2, 3, 4, 5, 6, 7],
"__a_mean": [1, 1, 1, 1, 1, 1, 1],
}
)

clean_data(df, ["a", "a2"])

Code: Select all

shape: (7, 2)
┌──────────┬─────┐
│ a        ┆ a2  │
│ ---      ┆ --- │
│ f64      ┆ f64 │
╞══════════╪═════╡
│ 5.892857 ┆ 3.0 │
│ 5.892857 ┆ 3.0 │
│ 5.892857 ┆ 3.0 │
│ 5.892857 ┆ 4.0 │
│ 5.892857 ┆ 5.0 │
│ 9.821429 ┆ 5.0 │
│ 9.821429 ┆ 5.0 │
└──────────┴─────┘

Wie Sie sehen können, hat das Ergebnis die Spalte __a_mean im ursprünglichen DataFrame maskiert.
Gibt es eine Möglichkeit, temporäre Spalten mitten in Berechnungen anzuhängen und sicherzustellen, dass generierte temporäre Spaltennamen nicht im ursprünglichen DataFrame vorhanden sind?
Gibt es alternativ eine Möglichkeit, meine obige Funktion zu implementieren, ohne Ergebnisse zwischenzuspeichern und ohne Leistungseinbußen zu machen?