Julia DataFrames按:A分组统计:B列唯一值数量的实现方法
对应R
n_distinct 功能的分组计数实现 你提到的combine(groupby(df, :A), nrow=>:count)是Julia DataFrames的标准分组计算语法,实现各:A分组下:B列唯一值计数的逻辑可以完全沿用同套写法,不需要切换其他包的语法。
标准版本实现(DataFrames.jl 1.3 及以上)
直接使用包内置的nunique函数做唯一值统计,对应代码为:
combine(groupby(df, :A), :B => nunique => :n_unique)
这段代码的运行效果和R语言中df %>% group_by(A) %>% summarize(n_unique = n_distinct(B))完全一致:按:A的取值拆分全部分组,逐组统计:B列不重复值的个数,最终将统计结果命名为:n_unique列输出。
小提示:该内置函数对缺失值的处理逻辑和R的
n_distinct完全对齐——会将列中的missing作为独立值纳入计数,不需要额外做缺失值过滤。
低版本兼容写法
如果使用的DataFrames.jl版本较早,没有内置nunique函数,可以用匿名函数实现等价逻辑:
combine(groupby(df, :A), :B => (x -> length(unique(x))) => :n_unique)
效率优化写法
如果需要同时统计分组总行数和:B列的唯一值数量,不要拆分多次调用combine,可以把两个计算逻辑放在同一次调用中,避免重复遍历分组数据:
combine( groupby(df, :A), nrow => :count, :B => nunique => :n_unique )
内容的提问来源于stack exchange,提问作者LYL
相关产品推荐
相关产品推荐

