是否有Hadley用于python的ddply的实现？

Question

我发现Hadley 对R 的plyr包非常有帮助,它是一个用于转换数据的优秀DSL.解决的问题是如此常见,以至于在不操作R中的数据时,我会面对其他用例,但在其他编程语言中.

有谁知道是否存在一个为python做类似事情的模块？就像是:

def ddply(rows, *cols, op=lambda group_rows: group_rows):
    """group rows by cols, then apply the function op to each group
       and return the results aggregating all groups
       rows is a dict or list of values read by csv.reader or csv.DictReader"""
    pass

实施起来应该不会太难,但如果已经存在则会很好.我实现它,我用itertools.groupby它分组cols,然后应用op函数,然后使用itertools.chain将它全部链接起来.有更好的解决方案吗？

Answer 1

这是我起草的实施:

def ddply(rows, cols, op=lambda group_rows: group_rows): 
    """group rows by cols, then apply the function op to each group 
    rows is list of values or dict with col names (like read from 
    csv.reader or   csv.DictReader)"""
    def group_key(row):                         
        return (row[col] for col in cols)
    rows = sorted(rows, key=group_key)
    return itertools.chain.from_iterable(
        op(group_rows) for k,group_rows in itertools.groupby(rows, key=group_key)) 

另一步骤是将有一组可以被应用为预定义的功能op,像sum和其他实用功能.