在python datatable中按组查询前N行的正确方法是什么?
例如,为了获得v3
组具有最大id2, id4
值的前2行,我将通过以下方式进行pandas表达:
df.sort_values('v3', ascending=False).groupby(['id2','id4']).head(2)
在R中使用data.table
:
DT[order(-v3), head(v3, 2L), by=.(id2, id4)]
或者在R中使用dplyr
:
DF %>% arrange(desc(v3)) %>% group_by(id2, id4) %>% filter(row_number() <= 2L)
使用pandas的示例数据和预期输出:
import datatable as dt
dt = dt.Frame(id2=[1, 2, 1, 2, 1, 2], id4=[1, 1, 1, 1, 1, 1], v3=[1, 3, 2, 3, 3, 3])
df = dt.to_pandas()
df.sort_values('v3', ascending=False).groupby(['id2','id4']).head(2)
# id2 id4 v3
#1 2 1 3
#3 2 1 3
#4 1 1 3
#2 1 1 2
从datatable
版本0.8.0开始,这可以通过组合分组,排序和过滤来实现:
from datatable import *
DT = Frame(id2=[1, 2, 1, 2, 1, 2],
id4=[1, 1, 1, 1, 1, 1],
v3=[1, 3, 2, 3, 3, 3])
DT[:2, :, by(f.id2, f.id4), sort(-f.v3)]
哪个产生
id2 id4 v3
--- --- --- --
0 1 1 3
1 1 1 2
2 2 1 3
3 2 1 3
[4 rows x 3 columns]
说明:
by(f.id2, f.id4)
按列“id2”和“id4”对数据进行分组;sort(-f.v3)
命令告诉datatable
按列“v3”按降序对记录进行排序。在by()
存在的情况下,该运营商将在每个组内应用;:2
选择前两行,再次在每个组内;:
选择所有列。如果需要,这可能是列或表达式的列表,允许您对每个组的前2行执行一些操作。