Julia DataFrames.jl实现类似Pandas条件筛选的方法问询

有完全等效的实现方案，常用的几类写法如下：

1. 索引式筛选（和Pandas逻辑最贴近） #

Julia的DataFrame索引规则为[行筛选条件, 列选择规则]，逐元素比较需要加.做广播运算：

# 筛选ColA等于value的所有行，保留全部列，返回DataFrame对象
df[df.ColA .== value, :]

# 仅保留ColA列的筛选结果，返回Vector向量（对应Pandas的Series）
df[df.ColA .== value, :ColA]

2. 函数式筛选（DataFrames.jl 更推荐的写法） #

• 用filter函数

# 筛选ColA等于value的所有行
filter(:ColA => ==(value), df)

# 筛选后取ColA列做后续操作
filter(:ColA => ==(value), df).ColA

• 用subset函数

# 筛选ColA等于value的所有行
subset(df, :ColA => ByRow(==(value)))

3. 聚合操作实现 #

和Pandas类似可以直接链式调用聚合方法，注意统计类方法需要先导入Statistics标准库：

using Statistics

# 筛选后ColA列求和
sum(df[df.ColA .== value, :ColA])

# 筛选后ColA列求均值
mean(filter(:ColA => ==(value), df).ColA)

# 也可以对筛选后的整表所有数值列做聚合
sum.(eachcol(df[df.ColA .== value, :]))

内容的提问来源于stack exchange，提问作者newtothis