python - 如何在 RAPIDS 中实现 SQL Groupby

Question

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})

Answer 1

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})

Answer 2

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)