DataFrames.jl中唯一值组合汇总表

Question

我经常想在数据表中找到一些分组变量的唯一组合。使用R+ dplyr时，我的正常工作流程是组合groupby(data, var1, var2, var3) %>% summarise，它返回一个包含列var1、var2和var3的新表，在data中找到的每个唯一值组合对应一行。

在DataFrames.jl中做这件事的惯用方法是什么？

Answer 1

在DataFrames.jl中，DataFrame是行的集合。因此，这里正确的心理模型是首先只选择您关心的列，然后从该表中获取唯一的行，如下所示

select(data, [:var1, :var2, :var3]) |> unique!

(或者如果你讨厌烟斗/喜欢额外的括号：

unique!(select(data, [:var1, :var2, :var3]))

这里推荐使用unique!，因为select会复制底层列。或者，您可以使用视图或索引，但这些都需要unique (它不会改变底层列向量)，以便不会破坏原始数据帧：

unique(data[!, [:var1, :var2, :var3]])
unique(view(data, :, [:var1, :var2, :var3]))

Answer 2

或者，您可以这样写：

keys(groupby(data, [:var1, :var2, :var3]))

以获取唯一分组关键字的向量。然后，如果需要，可以通过编写以下代码将它们收集到DataFrame中：

groupby(data, [:var1, :var2, :var3]) |> keys |> DataFrame