Select 包含 Julia 中最小分组变量的 DataFrame 行

Question

我想知道是否有一种有效的方法可以在 Julia 中执行以下操作：

我有以下形式的 DataFrame：

julia> df1 = DataFrame(var1=["a","a","a","b","b","b","c","c","c"],
                var2=["p","q","r","p","p","r","q","p","p"],
                var3=[1,2,3,2,5,4,6,7,8])
9×3 DataFrame
│ Row │ var1   │ var2   │ var3  │
│     │ String │ String │ Int64 │
├─────┼────────┼────────┼───────┤
│ 1   │ a      │ p      │ 1     │
│ 2   │ a      │ q      │ 2     │
│ 3   │ a      │ r      │ 3     │
│ 4   │ b      │ p      │ 2     │
│ 5   │ b      │ p      │ 5     │
│ 6   │ b      │ r      │ 4     │
│ 7   │ c      │ q      │ 6     │
│ 8   │ c      │ p      │ 7     │
│ 9   │ c      │ p      │ 8     │

我想 return 一个包含相同列但仅 var3 根据 var1.

在组中具有最小值的行

我曾尝试使用拆分-应用-组合方法，但似乎找不到在 return 处理所有列时过滤行的方法。

感谢任何帮助。

Answer 1

一种可行的方法：

julia> DataFrame([g[findmin(g.var3)[2],:] for g in groupby(df1, :var1)])
3×3 DataFrame
│ Row │ var1   │ var2   │ var3  │
│     │ String │ String │ Int64 │
├─────┼────────┼────────┼───────┤
│ 1   │ a      │ p      │ 1     │
│ 2   │ b      │ p      │ 2     │
│ 3   │ c      │ q      │ 6     │

Answer 2

如果每组 :var3 中没有重复项，另一种方法是：

julia> combine(sdf -> sdf[argmin(sdf.var3), :], groupby(df1, :var1))
3×3 DataFrame
 Row │ var1    var2    var3
     │ String  String  Int64
─────┼───────────────────────
   1 │ a       p           1
   2 │ b       p           2
   3 │ c       q           6

如果您可能有重复项，请使用：

julia> combine(sdf -> filter(:var3 => ==(minimum(sdf.var3)), sdf), groupby(df1, :var1))
3×3 DataFrame
 Row │ var1    var2    var3
     │ String  String  Int64
─────┼───────────────────────
   1 │ a       p           1
   2 │ b       p           2
   3 │ c       q           6

相反。

另一个正确处理重复的例子是：

julia> combine(sdf -> first(groupby(sdf, :var3, sort=true)), groupby(df1, :var1))
3×3 DataFrame
 Row │ var1    var2    var3
     │ String  String  Int64
─────┼───────────────────────
   1 │ a       p           1
   2 │ b       p           2
   3 │ c       q           6

在这种情况下效率不是很高，但向您展示了如何在 DataFrames.jl 中使用 groupby。

Select 包含 Julia 中最小分组变量的 DataFrame 行

Select rows of a DataFrame containing minimum of grouping variable in Julia

group-by

julia

minimum

split-apply-combine