Question

我需要根据来自数组的多个条件从Julia数据框中的单个列中选择值。上下文：我正在尝试格式化来自大型Julia DataFrame的数据以支持PCA（主成分分析），因此我首先将原始数据拆分为解析矩阵和标签数组。到目前为止，这是我的代码（无效）：

.as-console-wrapper { max-height: 100% !important; top: 0; }

output> MethodError：没有匹配的方法...

在### Initialize source dataframe for PCA dfSource=DataFrame( colDataX=[0,5,10,15,5,20,0,5,10,30], colDataY=[1,2,3,4,5,6,7,8,9,0], colRowLabels=[0.2,0.3,0.5,0.6,0.0,0.1,0.2,0.1,0.8,0.0]) ### Extract 1/2 of rows into analytical matrix matSource=convert(Matrix,DataFrame(dfSource[1:2:end,1:2]))' ### Extract last column as labels arLabels=dfSource[1:2:end,3] ### Select filtered rows datGet=matSource[:,arLabels>=0.2 & arLabels<0.7][1,:] print(datGet)语句之前的最后一行，我得到一个MethodError，指示与print(datGet)逻辑的使用有关的方法不匹配。我做错了什么？

Answer 1

替代实现的一个小示例（也许您会发现查看DataFrames.jl内置的内容很有用）：

# avoid materialization if dfSource is large
dfSourceHalf = @view dfSource[1:2:end, :]
lazyFilter = Iterators.filter(row -> 0.2 <= row[3] < 0.7, eachrow(dfSourceHalf))
matFiltered = mapreduce(row -> collect(row[1:2]), hcat, lazyFilter)
matFiltered[1, :]

（这不是针对速度进行优化的，而是作为展示可能的方法，但仍然比您的代码快几倍）

Answer 2

此代码有效：

输出> [0,10,0]

请注意使用括号dfSource=DataFrame( colDataX=[0,5,10,15,5,20,0,5,10,30], colDataY=[1,2,3,4,5,6,7,8,9,0], colRowLabels=[0.2,0.3,0.5,0.6,0.0,0.1,0.2,0.1,0.8,0.0]) matSource=convert(Matrix,DataFrame(dfSource[1:2:end,1:2]))' arLabels=dfSource[1:2:end,3] datGet=matSource[:,(arLabels.>=0.2) .& (arLabels.<0.7)][1,:] print(datGet)和(arLabels.>=0.2)，以及使用(arLabels<0.7)和.>=语法（这会强制Julia遍历容器/采集）。最后，也是最关键的一点（因为这是大多数人所缺少的部分），请注意使用.<代替.&。点运算符使一切变得不同！

在Julia DataFrame中基于多个条件选择列

2 个答案: