Vaex如何通过mask列过滤数据后对指定列执行分bin统计

你可以直接通过count方法的selection参数指定过滤条件，不需要提前拆分数据集，天然适配Vaex的懒加载机制，对千万级规模的数据集无额外内存压力：

# 方法1：直接在count调用中指定过滤条件，性能最优
result = df.count(
    binby=axes,
    limits=limits,
    shape=(binnum,)*len(axes),
    selection=df.mask == 1,
    delay=True
)

如果需要多次基于mask=1的条件做不同统计，也可以先过滤得到子集再执行分bin操作：

# 方法2：先过滤得到mask为1的子集，适合多轮统计场景
df_masked = df[df.mask == 1]
result = df_masked.count(
    binby=axes,
    limits=limits,
    shape=(binnum,)*len(axes),
    delay=True
)

两种方式的统计结果完全一致，方法1适合单次统计的场景，省去了生成中间视图的步骤，性能表现更好。

内容的提问来源于stack exchange，提问作者afriedman111