dataframe - julia DataFrame 选择属于一组的一列的基于行的值

Question

在 Julia 中使用 DataFrame，我想根据列中的值选择行。

用下面的例子

using DataFrames, DataFramesMeta
DT = DataFrame(ID = [1, 1, 2,2,3,3, 4,4], x1 = rand(8))

我想提取 ID 取值为 1 和 4 的行。
目前，我提出了这个解决方案。

@where(DT, findall(x -> (x==4 || x==1), DT.ID))

当仅使用两个值时，它是可管理的。

但是，我想让它适用于要选择的 ID 具有多行和大量值的情况。因此，如果我需要写下所有要选择的值，这个解决方案是不切实际的

有什么更好的解决方案可以使这个选择通用？

达米安

Answer 1

这是一种使用标准 DataFrames.jl 索引并使用 @where 的方法。来自 DataFramesMeta.jl:

julia> DT
8×2 DataFrame
│ Row │ ID    │ x1        │
│     │ Int64 │ Float64   │
├─────┼───────┼───────────┤
│ 1   │ 1     │ 0.433397  │
│ 2   │ 1     │ 0.963775  │
│ 3   │ 2     │ 0.365919  │
│ 4   │ 2     │ 0.325169  │
│ 5   │ 3     │ 0.0495252 │
│ 6   │ 3     │ 0.637568  │
│ 7   │ 4     │ 0.391051  │
│ 8   │ 4     │ 0.436209  │

julia> DT[in([1,4]).(DT.ID), :]
4×2 DataFrame
│ Row │ ID    │ x1       │
│     │ Int64 │ Float64  │
├─────┼───────┼──────────┤
│ 1   │ 1     │ 0.433397 │
│ 2   │ 1     │ 0.963775 │
│ 3   │ 4     │ 0.391051 │
│ 4   │ 4     │ 0.436209 │

julia> @where(DT, in([1,4]).(:ID))
4×2 DataFrame
│ Row │ ID    │ x1       │
│     │ Int64 │ Float64  │
├─────┼───────┼──────────┤
│ 1   │ 1     │ 0.433397 │
│ 2   │ 1     │ 0.963775 │
│ 3   │ 4     │ 0.391051 │
│ 4   │ 4     │ 0.436209 │

在非性能关键代码中，您还可以使用 filter ，这是 - 至少对我来说更容易消化(但它有一个缺点，它比上面讨论的方法慢):

julia> filter(row -> row.ID in [1,4], DT)
4×2 DataFrame
│ Row │ ID    │ x1       │
│     │ Int64 │ Float64  │
├─────┼───────┼──────────┤
│ 1   │ 1     │ 0.433397 │
│ 2   │ 1     │ 0.963775 │
│ 3   │ 4     │ 0.391051 │
│ 4   │ 4     │ 0.436209 │

请注意，在您在问题中提到的方法中，您可以省略 DT前面 ID像这样:

julia> @where(DT, findall(x -> (x==4 || x==1), :ID))
4×2 DataFrame
│ Row │ ID    │ x1       │
│     │ Int64 │ Float64  │
├─────┼───────┼──────────┤
│ 1   │ 1     │ 0.433397 │
│ 2   │ 1     │ 0.963775 │
│ 3   │ 4     │ 0.391051 │
│ 4   │ 4     │ 0.436209 │

(这是 DataFramesMeta.jl 的一个优点，它知道您要引用的 DataFrame 的上下文)