如何在`DataFrames.jl`中的分组数据框的子表中插入列？

Question

我想做的是：

• 在

  DataFrames.jl

  中按列（“col1”）对数据框进行分组，称之为

  grouped_df

• 将子表从

  grouped_df

  发送到用户定义的函数
  • 用户定义的函数将转换现有列，并应添加包含相关数据的新列

我想在同一函数中转换旧列并添加新列，因为这两个操作都依赖于基本相同的计算，但记录方式略有不同。

function apply_scan_difference(df::AbstractDataFrame,ref_scan::Float64)
    
    current_scan::Float64 = calculate_current_scan(df)
    
    scan_difference::Float64 = current_scan - ref_scan
    
    df.scan = df.scan .- scan_difference

    insertcols!(df, ncol(df)+1, :shift .= scan_difference ) # `scan_difference` has already been calculated and being able to record it here would be efficient,right`
    
    return df::AbstractDataFrame
end

如您所见，

scan_difference

是为每个组计算的，并应用于旧列

scan

，但我也想为每个组记录它。从心理上来说，感觉能够在同一个函数中执行此操作将是更有效的方法。

但是当我

combine(sdf -> apply_scan_different(sdf, ref_scan), grouped_df)

时，我收到此错误：

MethodError: no method matching ndims(::Type{Symbol})

我尝试将功能更改为

function apply_scan_difference(df::AbstractDataFrame,ref_scan::Float64)
    
    current_scan::Float64 = calculate_current_scan(df)
    
    scan_difference::Float64 = current_scan - ref_scan
    
    df.scan = df.scan .- scan_difference

    insertcols!(df, ncol(df)+1, :shift => fill(scan_difference, nrow(df))) # `scan_difference` has already been calculated and being able to record it here would be efficient,right`
    
    return df::AbstractDataFrame
end

并将该函数称为

transform(sdf -> apply_scan_different(sdf, ref_scan), grouped_df)

但这会产生此错误

ArgumentError: Column shift is already present in the data frame which is not allowed when 

makeunique=true 并且仅将新列数据应用于一组（看起来像第一组）。

我不完全理解设置 makeunique=false` 的含义。

在 Julia 中执行此操作的正确方法是什么？

DataFrames.jl

还是这违背了原则并且不可取？

Answer 1

groupby

生成的组仅仅是原始 DataFrame 的视图。如果向其中添加一列，则必然向整个 DataFrame 添加一列。然后，当它尝试将

insertcols

插入到已有它的 DataFrame 中时，

:shift

会出错（因为 默认情况下有

makeunique=false

）。

要解决此问题，您可以复制

sdf

 以便更改不会传播到父 DataFrame，或者先插入一个空 

:shift

 列，然后使用 

sdf[:, :shift] .= scan_difference

 进行指定。