Extrakce hlavního žánru

Právě ses přidal/a k datovému týmu filmového streamovacího startupu. Metadata filmů jsou uložena v souboru Parquet, kde má každý film sloupec genres jako seznam řetězců – většina filmů totiž spadá do více žánrů. Tvým úkolem je vytáhnout první uvedený žánr z každého řádku do přehledného sloupce primary_genre na nejvyšší úrovni.

polars je načten jako pl a DataFrame movies je předem načten z Parquet souboru.

Toto cvičení je součástí kurzu

Scaling and Optimizing Data Pipelines with Polars

Zobrazit kurz

Pokyny k cvičení

Z genres sloupce každého řádku extrahuj první prvek pomocí výrazu pro práci se seznamy.
Nový sloupec pojmenuj pomocí aliasu primary_genre.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

result = movies.select(
    "movie_title",
    "genres",
    # Get the first genre
    pl.col("genres").list.____(0).alias("____"),
).head(8)
print(result)

Upravit a spustit kód