julia - Julia 中分组列的多个汇总统计信息

Question

我正在尝试使用以下代码与 Julia(1.5.3) 一起工作，它只是我正在尝试做的事情的一种表示。

using DataFrames
using DataFramesMeta
using RDatasets

## setup
iris = dataset("datasets", "iris")
gdf = groupby(iris, :Species)

## Applying the split combine
## This code works fine
combine(gdf, nrow, (valuecols(gdf) .=> mean))

但是，当我尝试为多个摘要执行此操作时，它失败了

 combine(gdf, nrow, (valuecols(gdf) .=> [mean, sum]))

错误 :

ERROR: DimensionMismatch("arrays could not be broadcast to a commonsize; got a dimension with lengths 4 and 2")

对错误的小调试表明，如果我将代码更改为:

combine(gdf, nrow, ([:SepalLength, :PetalLength] .=> [mean,sum]))
## This code works but its still not correct as it doesn't tell me the mean and sum of both the columns , rather mean for SepalLength and sum for PetalLength, which was expected as per previous error

对它进行更多研究，我意识到，我们可以做这样的事情，这个结果是正确的，但结果是表格的长形式而不是宽形式。我原以为这会给我问题的答案，但它似乎没有按预期工作。

 combine(gdf, ([:SepalWidth, :PetalWidth] .=>  x -> ([sum(x), mean(x)])))

 ## The code above works but output is 6x3 DataFrame, I was expecting 3x6 DataFrame

我的问题是 :
有没有办法以这样的方式使用拆分组合，从而得到如下所示的宽表(我使用“do end”和“combine”来生成它)。我对这个解决方案没问题，但我需要在这里输入所有列，有什么方法可以让我获得所有汇总统计数据(总和、中值、均值等)作为组合中提供的所有列的列。我希望我的问题很清楚，如果它重复或没有很好地传达，请指出。谢谢

combine(gdf) do x
    return(sw_sum = sum(x.SepalWidth), 
           sw_mean = mean(x.SepalWidth), 
           sp_mean = mean(x.PetalWidth), 
           sp_sum = sum(x.PetalWidth)
          )
end



## My expected answer should be similar to this
#3×5 DataFrame
# Row │ Species     sw_sum   sw_mean  sp_mean  sp_sum
#     │ Cat…        Float64  Float64  Float64  Float64
#─────┼────────────────────────────────────────────────
#   1 │ setosa        171.4    3.428    0.246     12.3
#   2 │ versicolor    138.5    2.77     1.326     66.3
#   3 │ virginica     148.7    2.974    2.026    101.3

此外，这有效:

 combine(gdf, [:1] .=> [mean, sum, minimum, maximum,median])

但这不会并抛出像上面那样的尺寸错误，仍然让我头疼:

combine(gdf, [:1, :2] .=> [mean, sum, minimum, maximum,median])

Answer 1

做:

 combine(gdf, nrow, vec(valuecols(gdf) .=> [mean sum]))

或者

 combine(gdf, nrow, (valuecols(gdf) .=> [mean sum])...)

或者

 combine(gdf, nrow, [n => f for n in valuecols(gdf) for f in [mean sum]])

(注意 mean 和 sum 之间没有逗号)
原因是你需要为广播 .=>添加一个额外的维度。以获得所有输入组合。
编辑: ...只是迭代一个集合并将其元素作为连续的位置参数传递给函数，例如:

julia> f(x...) = x
f (generic function with 1 method)

julia> f(1, [2,3,4]...)
(1, 2, 3, 4)