Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

Allow to pass through columns

Abierto
#100 8 comentarios 5 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
5/5
Tiempo estimado
Más de una semana
Aptitud para principiantes
45/100
Tipo de issue
Nueva funcionalidad
Claridad
Bastante claro
Estado de actividad
Tranquilo
Stack tecnológico
python
Área
data

Línea de trabajo

Comienza rastreando el punto de entrada FeaturesForwardModelSchema.validate y la configuración propuesta de DataframelyOptions. Compara las dos alternativas de API strict=False y define cómo debe conservar la validación las columnas no especificadas; se considera terminado cuando el ejemplo conserva extra_col y sigue validando claim y cost, con pruebas que cubran la API elegida.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

I have a dataframe with a lot of columns (>100) and would like to not need to specify all of them.
Would it be possiuble to support a strict = False mode and/or to specify types for multiple columns?

Maybe such an api:

class FeaturesForwardModelSchema(dy.Schema):
    claim = dy.String(primary_key=True, nullable=False)
    cost = dy.Int64(primary_key=True, nullable=False)
    dataframely_options: DataframelyOptions(strict=False)

df = pl.DataFrame({
    "claim": ["a"],
    "cost": [1],
    "extra_col": ["foo"],
})

df_validated = FeaturesForwardModelSchema.validate(df)
df_validated["extra_col"]

alternatively, maybe something like this?

FeaturesForwardModelSchema.validate(df, strict=False)

Although this could be quite annoying, needing to specify it every time

Lenguaje dominante
Python
Estrellas
618
Forks
21
Merge medio
14 h 34 min
PR fusionados (30 d)
7

Guía de contribución

No hay ninguna guía de contribución indexada para este repositorio

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de Quantco/dataframely

Todos los issues de Quantco/dataframely

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.