はじめに
以前公開した下記の記事に続き、Polars 100本ノックの第2弾を作成しましたので、ご紹介します。
この演習は、すでにある程度Polarsの知識がある方を対象とした、知識の確認や腕試しを目的としています。そのため、この演習だけでPolarsの基礎からすべてを学ぶことは難しいかもしれません。
演習を進める中で不明な点が出てきた場合は、公式ドキュメントなどを参照することをおすすめします。
対象者
- Polarsの知識を腕試ししたい方
- Polarsの機能を体系的に整理・確認したい方
演習の特徴
- Polarsの主要な機能を網羅的に扱っています
- 各問題には模範解答が用意されています
- 解答が正しいかどうかをその場でチェックできます
準備
演習環境のセットアップにはuvを利用します。未インストールの方は、公式サイトの手順に従ってインストールしてください。
次に、ターミナルで以下のコマンドを順に実行してください。
curl -L -o study-polars2.zip https://github.com/SaitoTsutomu/study-polars2/archive/refs/heads/master.zip
unzip study-polars2.zip
cd study-polars2-master
注: もしcurlやunzipコマンドが利用できない場合は、リポジトリページの「Download ZIP」から手動でダウンロードし、ご自身の環境に合った方法で解凍してください。
演習開始
演習の内容はnbs/study_polars2.ipynbというJupyter Notebookファイルに記述されています。
次のコマンドを実行すると、このファイルがwork/study_polars2.ipynbにコピーされ、Jupyter Labが起動します。
uv run study-polars2
補足
2回目以降にコマンドを実行した場合、work/study_polars2.ipynbは上書きされず、前回の続きから演習を再開できます。もし最初からやり直したい場合は、uv run study-polars2 --newコマンドを実行してください。
Jupyterでstudy_polars2.ipynbを開いて演習を始めてください。
手順
Jupyter Notebookは、以下の3種類のセルで構成されています。
- 青いセル: 問題の説明が書かれているセル
- 白いセル: 解答コードを記述するセル
- 黄色いセル: 解答が正しいかチェックするためのセル
問題例
ほとんどの問題は1文で解答できますが、最後の2問だけ総合演習になっており、複数の機能を組み合わせて解答する必要があります。
最後の問題は次のようになっています。
問題 5.3.2 顧客のRFM分析
この最終演習では、Online Retailデータセットを用いて、顧客セグメンテーションの一般的な手法であるRFM（Recency, Frequency, Monetary）分析を行います。これは、データクリーニング、時系列処理、複雑な集計など、多くのスキルを統合する実践的な課題です。
_dfを元に、各顧客についてRFM指標を計算し、最終結果を変数ansに代入してください。手順
1. データクリーニング
- InvoiceDateをdatetime型に変換(
format="%m/%d/%y %H:%M")- Quantity > 0、UnitPrice > 0、CustomerIDが欠損以外でフィルタリング
2. RFM指標を計算
- CustomerIDでグループ化し以下を修正
- 列
Recencyとして、「グループ化前のInvoiceDateの最大値」からInvoiceDateの最大値を引いた日数+1- 列
Frequencyとして、InvoiceNoのユニーク数- 列
Monetaryとして、(Quantity * UnitPrice)の合計3. 列
Monetaryで降順に、列CustomerIDで昇順にソート
解答例
# 1. データクリーニング
_tmp = _df.with_columns(
col.InvoiceDate.str.to_datetime(format="%m/%d/%y %H:%M"),
).filter(
col.Quantity > 0,
col.UnitPrice > 0,
col.CustomerID.is_not_null(),
)
# 2. RFM指標を計算
_tmp = (
_tmp.with_columns(
Recency=(
col.InvoiceDate.max() - col.InvoiceDate.max().over("CustomerID")
).dt.total_days() + 1,
)
.group_by("CustomerID")
.agg(
col.Recency.first(),
Frequency=col.InvoiceNo.n_unique(),
Monetary=(col.Quantity * col.UnitPrice).sum(),
)
)
# 3. 列`Monetary`で降順に、列`CustomerID`で昇順にソート
ans = _tmp.sort(["Monetary", "CustomerID"], descending=[True, False]).collect()
さいごに
100本ノック、お疲れ様でした。
この演習を通して、Polarsの様々な機能に触れ、理解を深めることができたのであれば幸いです。
もし問題に誤りや分かりにくい点、あるいは「もっと良い解き方がある」といった改善案がありましたら、ぜひGitHubリポジトリのIssueやPull Requestにてご提案ください。皆様からのフィードバックをお待ちしております。
この演習が、皆さんのデータ分析ライフの一助となることを願っています。