JuliaDB的自定义GroupBy函数

时间:2018-07-30 18:13:23

标签: julia

我正在使用JuliaDB loadtable函数读取一些股票交易数据,并且希望对所有相同的日期进行分组并应用自定义函数。

自定义功能旨在获取同一日期的一组交易,并返回一笔交易,交易量为总和,交易价格为交易量加权平均值。我可以获得体积的总和,但是我在努力获得体积的加权平均值。

function vol_weighted_avg(x)
return (x.price .* x.volume) / sum(x.volume)
end

这是功能,但无法使用 groupby(vol_weighted_avg, trades, :date)

我花了很长时间与groupby一起玩,但我一直无法弄清楚,也没有看过文档说明如何进行上述操作。

1 个答案:

答案 0 :(得分:1)

您的代码有几个问题。我的答案是针对Julia 0.6和JuliaDB 0.8.4。 您需要了解的是groupby返回NamedTuple s的向量。因此,实现功能的最简单方法是:

vol_weighted_avg(x) =
    sum(getindex.(x, :price) .* getindex.(x,:volume)) / sum(getindex.(x,:volume))

您可以使用mean中的StatsBase来达到相同的目的:

using StatsBase
vol_weighted_avg2(x) = mean(getindex.(x, :price), Weights(getindex.(x,:volume)))

不幸的是,如果您的数据很大,两个版本都无法很好地扩展。您可以为OnlineStats编写自定义加权均值计算,但在这种情况下,我确实发现它有点麻烦。但是,在这种情况下,编写一个可以像这样传递给groupreduce的函数非常简单:

function vol_weighted_avg3(a,b)
    ap, av, bp, bv = a.price, a.volume, b.price, b.volume
    @NT(price=(ap*av + bp*bv)/(av+bv), volume=av+bv)
end

(唯一的缺点是您将获得一列包含交易总量的列)。

现在让我们来看一下三个功能:

julia> srand(1);

julia> trades = table(rand(10^7), rand(10^7), rand(1:4, 10^7),
                      names=[:price,:volume,:date], pkey=:date);

julia> groupby(vol_weighted_avg, trades, :date)
Table with 4 rows, 2 columns:
date  vol_weighted_avg
──────────────────────
1     0.500097
2     0.499923
3     0.50013
4     0.499711

julia> groupby(vol_weighted_avg2, trades, :date)
Table with 4 rows, 2 columns:
date  vol_weighted_avg2
───────────────────────
1     0.500097
2     0.499923
3     0.50013
4     0.499711

julia> groupreduce(vol_weighted_avg3, trades, :date)
Table with 4 rows, 3 columns:
date  price     volume
─────────────────────────
1     0.500097  1.2482e6
2     0.499923  1.25025e6
3     0.50013   1.25168e6
4     0.499711  1.249e6

您可以检查它们的相对性能,以发现最后一个选项(带有groupreduce)甚至对于内存数据来说都更快,存储效率更高:

julia> using BenchmarkTools

julia> @benchmark groupby($vol_weighted_avg, $trades, :date)
BenchmarkTools.Trial:
  memory estimate:  2.16 GiB
  allocs estimate:  105003042
  --------------
  minimum time:     3.301 s (15.41% GC)
  median time:      3.321 s (16.95% GC)
  mean time:        3.321 s (16.95% GC)
  maximum time:     3.341 s (18.47% GC)
  --------------
  samples:          2
  evals/sample:     1

julia> @benchmark groupby($vol_weighted_avg2, $trades, :date)
BenchmarkTools.Trial:
  memory estimate:  1.71 GiB
  allocs estimate:  85003045
  --------------
  minimum time:     2.689 s (15.23% GC)
  median time:      2.748 s (17.09% GC)
  mean time:        2.748 s (17.09% GC)
  maximum time:     2.807 s (18.88% GC)
  --------------
  samples:          2
  evals/sample:     1

julia> @benchmark groupreduce($vol_weighted_avg3, $trades, :date)
BenchmarkTools.Trial:
  memory estimate:  11.50 KiB
  allocs estimate:  254
  --------------
  minimum time:     103.955 ms (0.00% GC)
  median time:      106.777 ms (0.00% GC)
  mean time:        108.810 ms (0.00% GC)
  maximum time:     148.807 ms (0.00% GC)
  --------------
  samples:          47
  evals/sample:     1