4

给定虹膜数据，我想添加与找到的所有数字列相对应的新列。我可以通过明确列出每个数字列来做到：

from datatable import fread, f, mean, update
iris_dt = fread("https://h2o-public-test-data.s3.amazonaws.com/smalldata/iris/iris.csv")
iris_dt[:, update(C0_dist_from_mean = dt.abs(f.C0 - mean(f.C0)),
                  C1_dist_from_mean = dt.abs(f.C1 - mean(f.C1)),
                  C2_dist_from_mean = dt.abs(f.C2 - mean(f.C2)),
                  C3_dist_from_mean = dt.abs(f.C3 - mean(f.C1)))]

但是这样我就硬编码了列名。使用 R 数据表可以轻松获得更强大的方法.SDcols：

library(data.table)
iris = fread("https://h2o-public-test-data.s3.amazonaws.com/smalldata/iris/iris.csv")
cols = names(sapply(iris, class)[sapply(iris, class)=='numeric'])
iris[, paste0(cols,"_dist_from_mean") := lapply(.SD, function(x) {abs(x-mean(x))}),
     .SDcols=cols]

今天有没有办法对 pydatatable 采取类似的方法？

我确实意识到如何获取 py-datatable 中的所有数字列，例如：

iris_dt[:, f[float]]

但这是.SDcols在 R 中使用的最后一部分，它避开了我。

4

1 回答 1

5

创建新列名和 f 表达式的字典理解，然后在update方法中解压缩它：

from datatable import f, update, abs, mean

aggs = {f"{col}_dist_from_mean" : abs(f[col] - mean(f[col])) 
        for col in iris_dt[:, f[float]].names}

iris_dt[:, update(**aggs)]

更新：

使用 v1.1 中的 Type 属性，这是一种替代方法：

aggs = {f"{col}_dist_from_mean" : dt.math.abs(f[col] - f[col].mean()) 
        for col, col_type 
        in zip(iris_dt.names, iris_dt.types) 
        if col_type.is_float}

您还可以分块步骤：

使用计算值创建一个框架：

expression = f[float]-f[float].mean()
expression = dt.math.abs(expression)

compute = iris_dt[:, expression]

重命名 的列标签compute：

compute.names = [f"{name}_dist_from_mean" for name in compute.names]

更新iris_dt（compute请注意，您也可以使用 a cbind）：

iris_dt[:, update(**compute)]
于 2020-07-19T01:50:15.413 回答