dataframe - 无法在 DataFrames.jl 中执行列转换

Question

假设我有以下数据框:

julia> using DataFrames

julia> df = DataFrame(id=["a", "b", "a", "b", "b"], v=[1, 1, 1, 1, 2])
5×2 DataFrame
 Row │ id      v
     │ String  Int64
─────┼───────────────
   1 │ a           1
   2 │ b           1
   3 │ a           1
   4 │ b           1
   5 │ b           2

我想计算列 :v 中唯一值的数量每个由列 :id 定义的组.我尝试了以下方法:

julia> gdf = groupby(df, :id)
GroupedDataFrame with 2 groups based on key: id
First Group (2 rows): id = "a"
 Row │ id      v
     │ String  Int64
─────┼───────────────
   1 │ a           1
   2 │ a           1
⋮
Last Group (3 rows): id = "b"
 Row │ id      v
     │ String  Int64
─────┼───────────────
   1 │ b           1
   2 │ b           1
   3 │ b           2

julia> combine(gdf, :v => x -> length(unique(x)) => :len)
2×2 DataFrame
 Row │ id      v_function
     │ String  Pair…
─────┼────────────────────
   1 │ a       1=>:len
   2 │ b       2=>:len

但它不会产生预期的结果。如何解决对 combine 的调用?

Answer 1

这是一个常见的问题。问题在于 Julia 如何解释您的转换规范:

julia> :v => x -> length(unique(x)) => :len
:v => var"#3#4"()

正如你可以看到整个 x -> length(unique(x)) => :len由于 Julia 运算符优先级规则，部分被视为匿名函数的定义。相反，您应该将匿名函数的定义括在括号中，如下所示:

julia> combine(gdf, :v => (x -> length(unique(x))) => :len)
2×2 DataFrame
 Row │ id      len
     │ String  Int64
─────┼───────────────
   1 │ a           1
   2 │ b           2

另请注意，在这种情况下，您可以使用函数组合运算符 ∘像这样:

julia> combine(gdf, :v => length∘unique => :len)
2×2 DataFrame
 Row │ id      len
     │ String  Int64
─────┼───────────────
   1 │ a           1
   2 │ b           2

在这种情况下，您不必显式定义匿名函数，因此不需要括号。