dataframe - 是否可以将选定的列设置为 julia 数据框中的索引？

Question

dataframes在 Pandas 中，索引在一个或多个数字和/或字符串列中。特别是在 groupby 之后操作，输出是一个数据帧，其中新索引由组给出。
类似地，julia 数据框总是有一个名为 Row 的列。我认为这相当于 Pandas 中的索引。但是，在 groupby 操作之后，julia 数据框不使用组作为新索引。这是一个工作示例:

using RDatasets;
using DataFrames;
using StatsBase;

df = dataset("Ecdat","Cigarette");

gdf = groupby(df, "Year");

combine(gdf, "Income" => mean)

输出:

11×2 DataFrame
│ Row │ Year  │ Income_mean │
│     │ Int32 │ Float64     │
├─────┼───────┼─────────────┤
│ 1   │ 1985  │ 7.20845e7   │
│ 2   │ 1986  │ 7.61923e7   │
│ 3   │ 1987  │ 8.13253e7   │
│ 4   │ 1988  │ 8.77016e7   │
│ 5   │ 1989  │ 9.44374e7   │
│ 6   │ 1990  │ 1.00666e8   │
│ 7   │ 1991  │ 1.04361e8   │
│ 8   │ 1992  │ 1.10775e8   │
│ 9   │ 1993  │ 1.1534e8    │
│ 10  │ 1994  │ 1.21145e8   │
│ 11  │ 1995  │ 1.27673e8   │

即使新索引的创建不是自动完成的，我想知道是否有办法手动将所选列设置为索引。我发现了方法 setindex!阅读 documentation .但是，我无法使用这种方法。我试过:

#create new df
income = combine(gdf, "Income" => mean)
#set index
setindex!(income, "Year")

这给出了错误:

ERROR: LoadError: MethodError: no method matching setindex!(::DataFrame, ::String)

我认为我误用了命令。我在这里做错了什么？是否可以使用一个或多个选定的列在 julia 数据框中手动设置索引？

Answer 1

DataFrames.jl 当前不允许为数据框指定索引。 Row列只是用于打印——它实际上不是数据框的一部分。
但是，DataFrames.jl 提供了所有常用的表操作，例如连接、转换、过滤器、聚合和数据透视。对这些操作的支持不需要表索引。 table index是数据库(和 Pandas)用来加速某些表操作的结构，代价是额外的内存使用和创建索引的成本。setindex!您发现的函数实际上是来自 Base Julia 的一个方法，用于自定义自定义类型的索引行为。例如，x[1] = 42相当于 setindex!(x, 42, 1) . 重载此方法允许您为您创建的类型自定义索引行为。Base.setindex! 的文档字符串可以找到 here和 here .
如果你真的需要一个带索引的表，你可以试试 IndexedTables.jl .