-
Notifications
You must be signed in to change notification settings - Fork 2
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
Allows concatenation to ignore validation and adds method on table to… #63
Merged
Merged
Changes from all commits
Commits
Show all changes
5 commits
Select commit
Hold shift + click to select a range
cfdc277
Allows concatenation to ignore validation and adds method on table to…
akoumjian d6e5e5e
linting
akoumjian c002a84
update outdated ruff script
akoumjian 27059b5
Fix types and update log
akoumjian b003dfb
Remove shmem tests
akoumjian File filter
Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
There are no files selected for viewing
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Empty file.
This file was deleted.
Oops, something went wrong.
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Original file line number | Diff line number | Diff line change | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
@@ -18,6 +18,7 @@ | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Literal, | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Optional, | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Protocol, | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Tuple, | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Type, | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
TypeAlias, | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
TypeVar, | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
@@ -960,6 +961,29 @@ def validate(self) -> None: | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
except errors.ValidationError as e: | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
raise errors.ValidationError(f"Column {name} failed validation: {str(e)}", e.failures) from e | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
def invalid_mask(self) -> pa.Array: | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
"""Return a boolean mask indicating which rows are invalid.""" | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
num_rows = self.table.num_rows | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
mask = np.zeros(num_rows, dtype=bool) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
for name, validator in self._column_validators.items(): | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
indices, _ = validator.failures(self.table.column(name)) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
mask[indices.to_numpy()] = True | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
return pa.array(mask, type=pa.bool_()) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
def separate_invalid(self) -> Tuple[Self, Self]: | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
""" | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Separates rows that have invalid data from those that have valid data. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Returns: | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Tuple[Self, Self]: A tuple of two Tables. The first Table contains the rows that | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
passed validation, and the second Table contains the rows that failed validation. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
""" | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
# Separate the rows that do not validate | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
failure_indices = self.invalid_mask() | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
valid = self.apply_mask(pyarrow.compute.invert(failure_indices)) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
invalid = self.apply_mask(failure_indices) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
return valid, invalid | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
@classmethod | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
def empty(cls, **kwargs: AttributeValueType) -> Self: | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
"""Create an empty instance of the table. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
@@ -1116,7 +1140,7 @@ def _encode_attr_dict(cls, attrs: dict[str, Any]) -> dict[bytes, bytes]: | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
result[k.encode("utf8")] = descriptor.to_bytes(pytyped) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
return result | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
def apply_mask(self, mask: pa.BooleanArray | np.ndarray[bool, Any] | list[bool]) -> Self: | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
def apply_mask(self, mask: pa.BooleanArray | npt.NDArray[np.bool_] | list[bool]) -> Self: | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
There was a problem hiding this comment. Choose a reason for hiding this commentThe reason will be displayed to describe this comment to others. Learn more. Nice, there are already tests for these three types: Lines 1051 to 1080 in f7c92ae
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
""" | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Return a new table with rows filtered to match a boolean mask. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Oops, something went wrong.
Oops, something went wrong.
Add this suggestion to a batch that can be applied as a single commit.
This suggestion is invalid because no changes were made to the code.
Suggestions cannot be applied while the pull request is closed.
Suggestions cannot be applied while viewing a subset of changes.
Only one suggestion per line can be applied in a batch.
Add this suggestion to a batch that can be applied as a single commit.
Applying suggestions on deleted lines is not supported.
You must change the existing code in this line in order to create a valid suggestion.
Outdated suggestions cannot be applied.
This suggestion has been applied or marked resolved.
Suggestions cannot be applied from pending reviews.
Suggestions cannot be applied on multi-line comments.
Suggestions cannot be applied while the pull request is queued to merge.
Suggestion cannot be applied right now. Please check back later.
There was a problem hiding this comment.
Choose a reason for hiding this comment
The reason will be displayed to describe this comment to others. Learn more.
Numpy just makes things so easy sometimes. I was curious to see how you were going to do this with pyarrow compute functions.
There was a problem hiding this comment.
Choose a reason for hiding this comment
The reason will be displayed to describe this comment to others. Learn more.
I implemented it both ways and this appeared the more efficient (both compute and memory) of the two.