1

我正在寻求翻译 SQL 查询以使用 RAPIDS。考虑下面的简化查询:

(SELECT min(a), max(b), c
FROM T
GROUP BY c) AS result

我已经验证了下面的代码,但这是最佳解决方案吗?是否需要对组键进行排序?有没有更干净/更惯用的方式来写它?

from pygdf import DataFrame as gdf

T = gdf(...)
df = gdf({'a':T.a, 'c':T.c}).groupby('c').min().sort_values(by='c')
df['max_b'] = gdf({'b':T.b, 'c':T.c}).groupby('c').max().sort_values(by='c').max_b
result = gdf({'a': df.min_a, 'b': df.max_b, 'c':df.c})
4

2 回答 2

3

您可以使用该.agg函数重写聚合以使其更简单:

from pygdf import DataFrame as gdf

T = gdf(...)
df = gdf({'a':T.a, 'b': T.b, 'c':T.c}).groupby('c').agg({'a': 'min', 'b': 'max'})
result = gdf({'a': df.min_a, 'b': df.max_b, 'c':df.c})
于 2018-11-23T20:35:28.213 回答
1

您可以使用BlazingSQL,它是基于 RAPIDS 构建的 SQL 引擎。完全披露,我为 BlazingSQL 工作。

from blazingsql import BlazingContext
bc = BlazingContext()

# Create Table from GDF
bc.create_table('myTableName', gdf)

# Query
result = bc.sql('SELECT min(a), max(b), c FROM main.myTableName GROUP BY c').get()
result_gdf = result.columns

#Print GDF 
print(result_gdf)
于 2019-07-22T19:17:55.783 回答