如何使用两个键对Ray数据集执行groupby并计算Sales总和？

Ray Data的groupby方法与Pandas不同，无法直接传入列名列表作为多分组键，你可以通过以下两种方式实现需求：

方法1：使用aggregate结合多列分组键 #

直接通过aggregate方法的groupby参数指定多个分组列，同时定义聚合规则：

import pandas as pd
import ray
ray.init()

rdf = ray.data.from_pandas(pd.DataFrame({'A':[1,2,3],'B':[1,1,4],'Sales':[20,30,40]}))

# 按A、B列分组，计算Sales总和
result = rdf.aggregate(
    groupby=["A", "B"],
    aggregations={"Sales": "sum"}
)

# 查看结果
result.show()

方法2：通过groupby的key参数组合多列 #

将多列值组合成元组作为分组键，再执行聚合操作：

import pandas as pd
import ray
ray.init()

rdf = ray.data.from_pandas(pd.DataFrame({'A':[1,2,3],'B':[1,1,4],'Sales':[20,30,40]}))

# 组合A、B列作为分组键，计算Sales总和
result = rdf.groupby(key=lambda row: (row["A"], row["B"])).sum("Sales")

# 查看结果
result.show()

两种方法执行后都会得到按A、B列分组的Sales汇总结果，你可以根据自己的使用习惯选择。

内容的提问来源于stack exchange，提问作者Justice_Lords