python – pandas：SQL group的等价物是什么？

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – pandas：SQL group的等价物是什么？，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含898字，纯文字阅读大概需要2分钟。

内容图文

使用groupby和并行的最有效方法是在pandas中应用过滤器？

基本上我要求SQL中的等价物

select *
...
group by col_name
having condition

我认为有很多用例,包括条件均值,总和,条件概率等,这些都会使这样的命令非常强大.

我需要一个非常好的性能,所以理想情况下这样的命令不会是在python中完成的几个分层操作的结果.

解决方法:

正如unutbu的评论中提到的,groupby’s filter相当于SQL’S HAVING：

In [11]: df = pd.DataFrame([[1, 2], [1, 3], [5, 6]], columns=['A', 'B'])

In [12]: df
Out[12]:
   A  B
0  1  2
1  1  3
2  5  6

In [13]: g = df.groupby('A')  #  GROUP BY A

In [14]: g.filter(lambda x: len(x) > 1)  #  HAVING COUNT(*) > 1
Out[14]:
   A  B
0  1  2
1  1  3

您可以编写更复杂的函数(这些函数应用于每个组),前提是它们返回一个普通的ol’bool：

In [15]: g.filter(lambda x: x['B'].sum() == 5)
Out[15]:
   A  B
0  1  2
1  1  3

注意：potentially there is a bug你不能写你的函数来处理你曾经用于分组的列…一个解决方法是手动分组,即g = df.groupby(df [‘A’])).

内容总结

以上是互联网集市为您收集整理的python – pandas：SQL group的等价物是什么？全部内容，希望文章能够帮你解决python – pandas：SQL group的等价物是什么？所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端