dataframe - 在 Julia 中检查 Dataframe 多列中的元素

Question

我有一个关于在 DataFrame 上操作时在任何循环中使用条件的问题。

例如，我有一个数据框

df:

a b c

1 2 5
3 4 3
2 1 7
6 3 6
5 1 9

我正在尝试编写一个循环，该循环的条件是一次检查两个列(a 和 b)，并且值 i 是否可用两列然后它应该从 c 列中获取值并将其存储在数组中。

我可以使用它稍后执行统计操作，例如查找数组的均值。

我为此任务编写了一个简化的代码片段:

for i in 1:5
  result1 = Float64[]
  result2 = Float64[]
  if (df[:, :a] = i) 
      push!(result1, df[:, :c])
  elseif (df[:, :b] = i)
      push!(result2, df[:, :c])
  end

  unique!(result1)
  unique!(result2)

  result = vcat(result1, result2)

  global mean_val = mean(result)
end

此处，i 值的范围为 1 到 5，对于每个值，a 和 b 列都将被检查是否存在，如果该值存在则c 列中的值应该被推送到相关的结果数组。

我已经尝试使用来自社区的一些其他建议，例如:

代码示例 1:

for i in 1:5
  mean_val = mean(df[:, :c] for i in ("a", "b")
end

代码示例 2:

for i in 1:5
  df.row = axes(df, 1)
  mean_val = mean((filter(x->x[:a] == i || x[:b] == i ,df))[:c])
end

但是这些不起作用并返回所需的输出。

请指教我在代码中的错误。另外，请建议是否有任何文档解释了在语句中实现多个条件，以及访问 dataframe 元素以进行 julia 中的任何其他操作。

提前致谢

Answer 1

(我认为)您想要实现的第一种方法是使用 indexing syntax获取数据框的一个子集:

julia> using DataFrames
julia> df = DataFrame(a = rand(1:5, 10), b = rand(1:5, 10), c = rand(1:100, 10))
10×3 DataFrame
 Row │ a      b      c     
     │ Int64  Int64  Int64 
─────┼─────────────────────
   1 │     1      2     25
   2 │     5      4     72
   3 │     4      3     37
   4 │     4      3     46
   5 │     3      2     31
   6 │     3      5     43
   7 │     5      1     35
   8 │     5      2     54
   9 │     1      1     64
  10 │     1      4     57

julia> idx = (df.a .== 3) .| (df.b .== 3)
10-element BitArray{1}:
 0
 0
 1
 1
 1
 1
 0
 0
 0
 0

julia> filtered_c = df[idx, :c]
4-element Array{Int64,1}:
 37
 46
 31
 43

然后您可以根据过滤后的结果值计算您想要的任何统计数据:

julia> using Statistics

julia> mean(filtered_c)
39.25

---

做同样事情的另一种方法是使用 filter过滤要保留的行:

julia> filtered_df = filter(row -> (row.a==3 || row.b==3), df)
4×3 DataFrame
 Row │ a      b      c     
     │ Int64  Int64  Int64 
─────┼─────────────────────
   1 │     4      3     37
   2 │     4      3     46
   3 │     3      2     31
   4 │     3      5     43

# This way of writing things is equivalent to the previous one, but
# might be more readable in cases where the condition you're checking
# is more complex
julia> filtered_df = filter(df) do row
           row.a == 3 || row.b == 3
       end
4×3 DataFrame
 Row │ a      b      c     
     │ Int64  Int64  Int64 
─────┼─────────────────────
   1 │     4      3     37
   2 │     4      3     46
   3 │     3      2     31
   4 │     3      5     43

julia> mean(filtered_df.c)
39.25