pola-rs/polars

Add add_filename to pl.read_csv (and read operations others)

Open

#19.266 aberto em 16 de out. de 2024

Ver no GitHub
 (6 comments) (3 reactions) (0 assignees)Rust (2.826 forks)batch import
enhancementgood first issue

Métricas do repositório

Stars
 (38.496 stars)
Métricas de merge de PR
 (Mesclagem média 3d 18h) (175 fundiu PRs em 30d)

Description

Description

It is ocasionaly true that the filename of a data file is fairly critical information

Illustratively

Users/
   Alice.csv
   Bob.csv
   Charlie.csv

When using glob patterns to read this data, the file name itself is lost - which all but forces the user to loop over the files and read them manually.


# This does not preserve what row is for what user
df = pl.read_csv('Users/*.csv') 

 # This is a bit long
df = (pl.concat([
                pl.read_csv(file).with_columns(filename=pl.lit(file) 
                for file in glob('Users/*.csv')
            ])
        )

A parameter to add a column with the specific file name when reading data via a glob pattern would be a nice to have.

Guia do colaborador

Direção de pesquisa
A implementação envolve adicionar um parâmetro `add filename` a `pl.read csv` (e outras funções de leitura como `read parquet`) na API Python. Isso requer modificar as assinaturas das funções Python em `polars/py polars/polars/io/csv.py` e passar o parâmetro para o backend Rust em `polars/polars io/src/csv.rs`. A coluna deve conter o nome do arquivo ou caminho de origem. Revise os padrões existentes na base de código, como `include filepaths` ou parâmetros semelhantes. A discussão nos comentários da issue pode fornecer mais contexto sobre o comportamento desejado para múltiplos arquivos versus um único arquivo.
Pilha de tecnologia
pythonrust
Domain
data
Tipo Issue
Funcionalidade
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
2
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
1-3 horas
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Claro
Prerequisites
Python
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
75