polars.testing.parametric.columns

polars.testing.parametric.columns(
    cols: int | Sequence[str] | None = None,
    *,
    dtype: OneOrMoreDataTypes | None = None,
    min_cols: int = 0,
    max_cols: int = 5,
    unique: bool = False,
) → list[column]

Определяет несколько столбцов для использования со стратегией @dataframes.

Устарело с версии 0.20.26: Вместо этого используйте column вместе с генератором списка.

Предупреждение

В настоящее время эта функциональность считается нестабильной. Она может быть изменена в любой момент, и это не будет считаться нарушением обратной совместимости.

Создаёт фиксированную последовательность объектов column, подходящих для передачи стратегии @dataframes или для самостоятельного использования (обратите внимание, что эта функция сама по себе не является стратегией).

Параметры:

cols{int, [str]}, optional

целое число столбцов для создания или явный список имён столбцов. Если параметр не указан, создаётся случайное число столбцов (от mincol до max_cols).

dtypePolarsDataType, optional

один dtype для всех столбцов или список dtype (той же длины, что и cols). Если параметр не указан, каждому создаваемому столбцу назначается случайный dtype.

min_colsint, optional

если точный размер не указан, здесь можно задать минимальное значение (по умолчанию 0).

max_colsint, optional

если точный размер не указан, здесь можно задать максимальное значение (по умолчанию MAX_COLS).

uniquebool, optional

указывает, должны ли значения, генерируемые для этих столбцов, быть уникальными (для каждого столбца).

Примечания

Дополнительные настройки доступны при явном создании последовательности столбцов с помощью класса column (особенно полезно переопределить стратегию генерации данных по умолчанию для заданного столбца/dtype).

Примеры

>>> from polars.testing.parametric import columns, dataframes
>>> from hypothesis import given
>>> @given(dataframes(columns(["x", "y", "z"], unique=True)))  
... def test_unique_xyz(df: pl.DataFrame) -> None:
...     assert_something(df)