Lazy pivot เป็นรูปแบบ wide

ทีม dashboard ต้องการมุมมองข้อมูลการยืมในรูปแบบ wide โดยแสดงเดือนเทียบกับประเภทสื่อ Polars รองรับ .pivot() ในโหมด lazy เมื่อระบุชื่อคอลัมน์ผลลัพธ์ล่วงหน้า ซึ่งช่วยให้ pipeline ได้รับการ optimize ตลอดทั้งกระบวนการ

ตัวแปร LazyFrame monthly_checkouts เก็บข้อมูลรวมในรูปแบบ long โดยมีคอลัมน์ month, format และ total ส่วนลิสต์ formats เก็บชื่อประเภทสื่อทุกประเภทในข้อมูล

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การปรับขนาดและเพิ่มประสิทธิภาพ Data Pipeline ด้วย Polars

ดูคอร์ส

คำแนะนำการฝึกหัด

Pivot monthly_checkouts โดยให้แต่ละค่าใน format กลายเป็นคอลัมน์ของตัวเอง
ส่งลิสต์ formats เพื่อให้ lazy pivot รู้ schema ของผลลัพธ์ล่วงหน้า
เรียงลำดับ DataFrame ที่ได้ตามคอลัมน์ month

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

result = (
    monthly_checkouts
    # Pivot the format column into separate columns
    .pivot(
        on="____",
        index="month",
        values="total",
        # Pre-declare the output column names so the pivot stays lazy
        on_columns=____,
    )
    .collect()
    # Sort the wide result by month
    .sort("____")
)
print(result)

แก้ไขและรันโค้ด