如何 select groupby 中空值最少的组？

Question

示例：

row_number |id |firstname | middlename | lastname |
0          | 1 | John     | NULL       | Doe      |
1          | 1 | John     | Jacob      | Doe      |
2          | 2 | Alison   | Marie      | Smith    |
3          | 2 | NULL     | Marie      | Smith    |
4          | 2 | Alison   | Marie      | Smith    |

我正在尝试弄清楚如何对 id 进行分组，然后为每个分组获取具有最少 NULL 值的行，删除任何包含最少 NULL 的额外行就可以了（例如， droping row_number 4 因为它与 row_number 2 联系在一起，因为 id=2)

的 NULLS 数量最少

这个例子的答案是 row_numbers 1 和 2

最好是 ANSI SQL，但我可以翻译其他语言（比如 python 和 pandas），如果你能想出办法的话

编辑：为打破平局的情况添加了一行。

Answer 1

哦，您想要具有最少 null 值的行。我会建议：

select t.*
from (select t.*,
             dense_rank() over (order by (case when firstname is null then 1 else 0 end) + 
                                         (case when middlename is null then 1 else 0 end) + 
                                         (case when lastname is null then 1 else 0 end)
                               ) as seqnum

      from t
     ) t
where seqnum = 1;

这是ANSI-standardSQL。

Answer 2

如果你想这样做pandas，你可以这样做：

df[df.assign(NC = df.isnull().sum(1)).groupby('id')['NC'].transform(lambda x: x == x.min())]

输出：

   row_number  id firstname middlename lastname
1           1   1      John      Jacob      Doe
2           2   2    Alison      Marie    Smith

决胜局：

添加一行：

df.loc[4,['row_number','id','firstname','middlename','lastname']] = ['4',2,'Mary','Maxine','Maxwell']

然后使用groupby、transform和idxmin：

df[df.index == df.assign(NC = df.isnull().sum(1)).groupby('id')['NC'].transform('idxmin')]

输出：

  row_number id firstname middlename lastname
1          1  1      John      Jacob      Doe
2          2  2    Alison      Marie    Smith

如何 select groupby 中空值最少的组？

How do I select the group with the least number of null values in a groupby?

python

sql

database

pandas

ansi