1

给定以下数据表

DT = dt.Frame({'A':['A','A','A','B','B','B'],
               'B':['a','a','b','a','a','a'],
               })

我想创建列'C'，它对列A和B中每个组内的行进行编号，如下所示：

     A   B   C
 0   A   a   1
 1   A   a   2
 2   A   b   1
 3   B   a   1
 4   B   a   2
 5   B   a   3

根据这个线程，熊猫 cumcount() 或 rank() 将是选项，但似乎没有为 pydatatable 定义：

DT = DT[:, f[:].extend({'C': cumcount()}),by(f.A,f.B)]
DT = DT[:, f[:].extend({'C': rank(f.B)}),by(f.A,f.B)]

a) 如何对组内的行进行编号？

b) 是否有包含 pydatatable 的所有当前可用功能的综合资源？

4

1 回答 1

3

这是一个技巧，及时应该有一种内置的方法来进行累积计数，甚至可以利用itertoolspython 中的其他高性能工具，同时仍然非常快：

第 1 步：获取列数A并B导出到列表

result = DT[:, dt.count(), by("A","B")][:,'count'].to_list()

第 2 步：使用itertools 链的组合并list comprehension获取累积计数：

from itertools import chain

cumcount = chain.from_iterable([i+1 for i in range(n)] for n in result[0])

第 3 步：将结果分配回DT

DT['C'] = dt.Frame(tuple(cumcount))

print(DT)


    A       B   C
   ▪▪▪▪   ▪▪▪▪  ▪▪▪▪
0   A      a    1
1   A      a    2
2   A      b    1
3   B      a    1
4   B      a    2
5   B      a    3
6 rows × 3 columns
于 2020-06-25T09:38:24.150 回答