You need to enable JavaScript to run this app. 将含LAG、LEAD分区窗口函数的SQL查询转换为pandas实现
优惠活动
大模型
产品
解决方案
定价
更多

将含LAG、LEAD分区窗口函数的SQL查询转换为pandas实现

SQL窗口函数转Pandas实现方案

核心逻辑对应关系

  • SQL 的 PARTITION BY ID, Name 对应 Pandas 的 groupby(['ID', 'Name']) 分组逻辑
  • SQL 的 ORDER BY Time 对应分组内先按 Time 字段排序的规则
  • LAG(EventTypeID, 1, 0) 对应 Pandas 中分组序列向上偏移1行,空值填0的操作
  • LEAD(EventTypeID, 1, 0) 对应 Pandas 中分组序列向下偏移1行,空值填0的操作

完整代码实现

首先导入依赖,构造示例数据:

import pandas as pd

# 模拟输入的原始数据
df = pd.DataFrame({
    "EventTypeID": [1, 1],
    "ID": ["QWERTY", "QWERTY"],
    "Name": ["Joseph", "Joseph"],
    "Time": [10.20, 10.25]
})

然后执行窗口计算:

# 先按分区列、时间排序,再取EventTypeID做分组序列
grouped_series = df.sort_values("Time").groupby(["ID", "Name"])["EventTypeID"]

# 计算LastEvent(LAG逻辑)和NextEvent(LEAD逻辑)
df["LastEvent"] = grouped_series.shift(1, fill_value=0).astype(int)
df["NextEvent"] = grouped_series.shift(-1, fill_value=0).astype(int)

输出验证

执行上述代码后,df 的输出和期望结果完全一致:

EventTypeID      ID    Name   Time  LastEvent  NextEvent
0            1  QWERTY  Joseph  10.2          0          1
1            1  QWERTY  Joseph  10.25         1          0

注意:如果原始数据本身已经按Time排序,可以省略sort_values("Time")步骤,否则必须显式排序保证窗口计算顺序和SQL逻辑一致。

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

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.10 22:54:04