DataFrames.jl 中唯一值组合汇总表

Question

我经常想在数据表中找到一些分组变量的独特组合。使用 R + dplyr，我的正常工作流程是 combine groupby(data, var1, var2, var3) %>% summarise，它返回一个新表，其中包含var1、var2、var3、 中的每个唯一值组合对应一行data。

在 DataFrames.jl 中执行此操作的惯用方法是什么？

Answer 1

在 DataFrames.jl 中，DataFrame 是行的集合。所以这里正确的心智模型是首先只选择你关心的列，然后从该表中获取唯一的行，如

select(data, [:var1, :var2, :var3]) |> unique!

（或者，如果你讨厌管道/喜欢额外的括号：

unique!(select(data, [:var1, :var2, :var3]))

unique!在这里推荐是因为select制作了基础列的副本。或者，您可以使用视图或索引，但这些需要unique（不会改变底层列向量）以免损坏原始数据框：

unique(data[!, [:var1, :var2, :var3]])
unique(view(data, :, [:var1, :var2, :var3]))

Answer 2

或者你可以写：

keys(groupby(data, [:var1, :var2, :var3]))

获得唯一分组键的向量。然后，DataFrame如果您愿意，您可以通过以下方式将它们收集到 a ：

groupby(data, [:var1, :var2, :var3]) |> keys |> DataFrame