Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

Allow to pass through columns

Aperta
#100 8 commenti 5 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
5/5
Tempo stimato
Più di una settimana
Idoneità per principianti
45/100
Tipo di issue
Funzionalità
Chiarezza
Abbastanza chiara
Stato di attività
Tranquilla
Stack tecnologico
python
Ambito
data

Direzione di ricerca

Inizia tracciando il punto di ingresso FeaturesForwardModelSchema.validate e la configurazione proposta di DataframelyOptions. Confronta le due alternative API strict=False e definisci come la validazione debba mantenere le colonne non specificate; il lavoro è completato quando l’esempio conserva extra_col continuando a validare claim e cost, con test che coprano l’API scelta.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

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

Lingua principale
Python
Stelle
618
Fork
21
Merge medio
14h 34m
PR unite (30g)
7

Guida per i contributori

Nessuna guida per i contributori indicizzata per questo repository

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di Quantco/dataframely

Tutte le issue di Quantco/dataframely

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.