将 pandas 聚合转换为 elasticsearch

Question

我正在尝试进行聚合，需要显示至少有 10 家餐厅和至少有 100 票的餐厅的城市，并找出得分最高的 7 个城市 两人的平均成本

我知道如何在熊猫中做到这一点，将采用以下方式：

import pandas as pd
import numpy as np

df_filtered = df[df.groupby('City')['RestaurantName'].transform('nunique') >= 10]
df_filtered = df_filtered[df_filtered['Votes'] >= 100]

df_city_avg = df_filtered.groupby('City')['AverageCostForTwo'].mean().reset_index()
df_top_cities = df_city_avg.sort_values(by='AverageCostForTwo', ascending=False).head(7)

但我不确定如何在弹性中执行此聚合，任何建议或想法都会非常有帮助，我对此有点迷茫。

Answer 1

以下可能是 Elasticsearch 聚合的解决方案。这里将返回两个平均成本最高的前 7 个城市，其中每个城市至少有 10 家餐厅，每家餐厅至少有 100 票。

curl -XGET localhost:9200/restaurants/_search -d '{
  "size": 0,
  "aggs": {
    "cities": {
      "terms": {
        "field": "City",
        "size": 7,
        "include": {
          "must": [
            {
              "filter": {
                "terms": {
                  "RestaurantName": {
                    "size": 10
                  }
                }
              }
            },
            {
              "filter": {
                "range": {
                  "Votes": {
                    "gte": 100
                  }
                }
              }
            }
          ]
        }
      },
      "avg_cost": {
        "avg": {
          "field": "AverageCostForTwo"
        }
      }
    }
  }
}'