Julia中如何使用groupby替代已弃用的by+do表达式完成分组计算

问题背景 #

我们的目标是生成模拟数据，首先定义如下参数：

## 模拟数据
df_3 = DataFrame(y = [0,1], size = [250,250], x1 =[2.,0.], x2 =[-1.,-2.])

原实现用的是已弃用的by函数搭配do块的写法，代码如下（摘自2019年出版的《Data Science with Julia》一书）：

df_knn = by(df_3, :y) do df
  DataFrame(x_1 = rand(Normal(df[1,:x1],1), df[1,:size]),
  x_2 = rand(Normal(df[1,:x2],1), df[1,:size]))
end

现在需要用groupby替换上述代码中的by函数，实现相同的分组生成数据的功能。

实现代码 #

DataFrames.jl 中现在可以用 groupby + combine 的组合完全替代原by函数的功能，替换后的代码和原逻辑完全一致：

using DataFrames, Distributions

# 先按y列分组，再对每个分组执行自定义生成逻辑
df_knn = combine(groupby(df_3, :y)) do df
    DataFrame(
        x_1 = rand(Normal(df[1,:x1], 1), df[1,:size]),
        x_2 = rand(Normal(df[1,:x2], 1), df[1,:size])
    )
end

逻辑说明 #

• 首先调用groupby(df_3, :y)按y列对原数据框分组，得到分组后的GroupedDataFrame对象
• 再调用combine函数对每个分组执行do块内的逻辑，每个分组都会读取该组的x1、x2、size参数生成对应数量的正态分布随机数，最终合并为完整的df_knn数据框，输出结果和原by写法完全一致。

内容的提问来源于stack exchange，提问作者BuddhiLW