Question

我试图将自定义排序算法应用于一堆子数据帧以制作一些图表。在this question的帮助下，我能够使用自定义订单对数据框进行排序：

julia> using DataFrames

julia> df = DataFrame(x = rand(10), y = rand([:low, :med, :high], 10), z = rand([:a, :b], 10))
10×3 DataFrames.DataFrame
│ Row │ x         │ y    │ z │
├─────┼───────────┼──────┼───┤
│ 1   │ 0.436891  │ low  │ b │
│ 2   │ 0.370725  │ high │ b │
│ 3   │ 0.521269  │ low  │ b │
│ 4   │ 0.071102  │ high │ a │
│ 5   │ 0.969407  │ high │ a │
│ 6   │ 0.0416023 │ med  │ b │
│ 7   │ 0.63486   │ med  │ b │
│ 8   │ 0.4352    │ high │ b │
│ 9   │ 0.626739  │ low  │ b │
│ 10  │ 0.151149  │ low  │ a │

julia> o = [:low, :med, :high]
3-element Array{Symbol,1}:
 :low 
 :med 
 :high

julia> custom_sort(x,y) = findfirst(o, x) < findfirst(o, y)
custom_sort (generic function with 1 method)

julia> sort!(df, cols=[:y], lt=custom_sort)
10×3 DataFrames.DataFrame
│ Row │ x         │ y    │ z │
├─────┼───────────┼──────┼───┤
│ 1   │ 0.436891  │ low  │ b │
│ 2   │ 0.521269  │ low  │ b │
│ 3   │ 0.626739  │ low  │ b │
│ 4   │ 0.151149  │ low  │ a │
│ 5   │ 0.0416023 │ med  │ b │
│ 6   │ 0.63486   │ med  │ b │
│ 7   │ 0.370725  │ high │ b │
│ 8   │ 0.071102  │ high │ a │
│ 9   │ 0.969407  │ high │ a │
│ 10  │ 0.4352    │ high │ b │

它很有效。问题是，当我执行groupby()时，自定义排序会丢失：

julia> groupby(df, [:y, :z])
DataFrames.GroupedDataFrame  5 groups with keys: Symbol[:y, :z]
First Group:
2×3 DataFrames.SubDataFrame{Array{Int64,1}}
│ Row │ x        │ y    │ z │
├─────┼──────────┼──────┼───┤
│ 1   │ 0.071102 │ high │ a │
│ 2   │ 0.969407 │ high │ a │
⋮
Last Group:
2×3 DataFrames.SubDataFrame{Array{Int64,1}}
│ Row │ x         │ y   │ z │
├─────┼───────────┼─────┼───┤
│ 1   │ 0.0416023 │ med │ b │
│ 2   │ 0.63486   │ med │ b │

有没有办法可以对SubDataFrame进行排序，例如。第一组是y == :low和z == a？

Answer 1

groupby利用PooledArray机制将DataFrame拆分为组。当从向量中创建PooledArray时，除非在PooledArray构造函数中指定，否则不会保留该顺序。通过使列已经具有所需顺序的PooledArrays，可以欺骗groupby。在代码中：

julia> df[:y] = PooledDataArray(df[:y],[:low,:med,:high])

julia> df[:z] = PooledDataArray(df[:z],[:a,:b])

julia> groupby(df, [:y, :z])
DataFrames.GroupedDataFrame  6 groups with keys: Symbol[:y, :z]
First Group:
1×3 DataFrames.SubDataFrame{Array{Int64,1}}
│ Row │ x        │ y   │ z │
├─────┼──────────┼─────┼───┤
│ 1   │ 0.833255 │ low │ a │
⋮
Last Group:
1×3 DataFrames.SubDataFrame{Array{Int64,1}}
│ Row │ x        │ y    │ z │
├─────┼──────────┼──────┼───┤
│ 1   │ 0.604117 │ high │ b │

对于具有更多值的更多列或列，也可以使用以下循环自动执行此操作：

for v in [:y,:z]
    df[v] = PooledDataArray(df[v],unique(Vector(df[v])))
end

与之前的显式赋值相同。

SubDataFrame的自定义排序

1 个答案: