Python中datatable链式调用filter、groupby、sum无法得到正确结果

• 第一个问题：过滤条件逻辑与R dplyr规则不完全对齐，存在优先级隐患。R代码的过滤规则是「Num为12或17 且 字母为D」，而Python中&的运算优先级高于|，你的原写法会被解析为「Num为17，或者（Num为12且字母为D）」，如果存在Num=17但Letter不为D的行，两种写法的结果会不一致。要和R逻辑完全匹配需要调整括号位置：(f.Num == 17 | f.Num == 12) & (f.Letter == 'D')
• 第二个问题：误用了update方法。update的作用是给原数据集新增列、保留所有原始行，和dplyr的summarise功能完全不同。要实现分组汇总、每个分组仅返回一行结果的需求，直接在j参数位置定义聚合表达式即可。

正确实现代码 #

res = df[((f.Num == 17) | (f.Num == 12)) & (f.Letter == 'D'), :
        ][:, {'Total': sum(f.Count)}, by(f.ID)]

运行后输出结果为：

ID  Total
0   1      3
1   2      4

补充说明 #

仅当你需要保留所有原始行、同时给同组所有行新增汇总值的场景下才需要使用update，分组输出汇总结果的场景不需要调用该方法。

内容的提问来源于stack exchange，提问作者ViSa