DataFrame实现sql中row_number() over(partition by column_1 order by column_2)

学科相关 数据科学
1

如何在 DataFrame实现sql中row_number() over(partition by column_1 order by column_2)呢，语句怎么写？数据框如下，想按p1进行分组后,然后通过data进行排序(降序)，最后取出 排序号为1数据集

using DataFrames
julia> df=DataFrame(p1=[“a1”,“a2”,“a1”,“b1”,“b2”],p2=[“c1”,“d1”,“c1”,“c2”,“d2”],data=[10,100,20,30,300])
5×3 DataFrame
Row │ p1 p2 data
│ String String Int64
─────┼───────────────────────
1 │ a1 c1 10
2 │ a2 d1 100
3 │ a1 c1 20
4 │ b1 c2 30
5 │ b2 d2 300

显示效果：
k1 k2 data row_number
0 a1 c1 20 1.0
1 a1 c1 10 2.0 → 这一行将会被移走
2 a2 d1 100 1.0
3 b1 c2 30 1.0
4 b2 d2 300 1.0

处理完成后显示：
k1 k2 data
0 a1 c1 20
1 a2 d1 100
2 b1 c2 30
3 b2 d2 300

2

只取每组升序第一个的话，建议不要用sql的方式想问题，这个实际需要做的是取各分组里data列的min。

3

好的，受教了，感谢！

4

这有几个思路：
思路 1： 排序 - 分组 - 第一个值 or 最后一个值

sort!(df, [:data])
combine(groupby(df, [:p1]), first)
思路 2：分组 - Combine - 最大值
combine(groupby(df, [:p1, :p2]), :data => maximum => :data)

一般而言，第二种是更符合 DataFrame 操作逻辑的。