我正在尝试使用Julia(1.5.3)运行以下代码,这只是我尝试做的事情的表示。
进一步研究后我意识到,我们可以像这样做,这个结果是正确的,但输出格式是长表格形式而不是宽表格形式。我原本期望这会给我答案,但看起来并没有按照预期工作。
但是这样做仍然会出现维度错误,就像上面一样,我还在仔细思考这个问题:
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,当我尝试对多个摘要进行操作时,它会失败。
combine(gdf, nrow, (valuecols(gdf) .=> [mean, sum]))
错误:
错误:尺寸不匹配("arrays could not be broadcast to a common size; got a dimension with lengths 4 and 2")
对错误进行简单调试后,建议将代码更改为以下内容:
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
进一步研究后我意识到,我们可以像这样做,这个结果是正确的,但输出格式是长表格形式而不是宽表格形式。我原本期望这会给我答案,但看起来并没有按照预期工作。
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:
有没有一种方法可以使用split combine,以便我获得如下的宽表(我已经使用“do end”和“combine”来生成它)。 我可以接受这个解决方案,但我需要在这里输入所有列,有办法可以获得所有摘要统计信息(总和、中位数、平均值等)作为combine提供的所有列的列吗?我希望我的问题很清楚,请指出它是否是重复的或者是否沟通不畅。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,这个也可以正常工作:
combine(gdf, [:1] .=> [mean, sum, minimum, maximum,median])
但是这样做仍然会出现维度错误,就像上面一样,我还在仔细思考这个问题:
combine(gdf, [:1, :2] .=> [mean, sum, minimum, maximum,median])