Question

我试图了解DataFrames在Julia中的工作方式，我度过了艰难的时光。

我通常在Python中使用DataFrames-在每个模拟步骤中添加新列，并在每个行中填充值。

例如，我有一个包含输入数据的DataFrame：

using DataFrames

df = DataFrame( A=Int[], B=Int[] )
push!(df, [1, 10])
push!(df, [2, 20])
push!(df, [3, 30])

现在，假设我根据这些A和B列进行计算，这些列生成带有DateTime对象的第三列C。但是并非所有行都生成DateTime对象，它们可以为null。

该用例在Julia中如何处理？
如何创建新的C列并在for r in eachrow(df)内分配值？

# Pseudocode of what I intend to do

df[! :C] .= nothing

for r in eachrow(df)
    if condition
        r.C = mySuperComplexFunctionThatReturnsDateTimeForEachRow()
    else
        r.C = nothing
    end
end

要给出可运行且具体的代码，让我们伪造条件和函数：

df[! :C] .= nothing

for r in eachrow(df)
    if r.A == 2
        r.C = Dates.now()
    else
        r.C = nothing
    end
end

Answer 1

执行此操作的有效模式是：

df.C = f.(df.A, df.B)

其中f是一个获取标量并基于标量计算输出的函数（即您的模拟代码），然后将需要从df中提取的列传递给标量，以执行计算。这样，Julia编译器将能够生成快速的（类型稳定的）本地代码。

在您的示例中，函数f将为ifelse，因此您可以编写：

df.C = ifelse.(df.A .== 2, Dates.now(), nothing)

还要考虑是否返回nothing或missing（它们在Julia中的解释不同：nothing表示不存在值，而missing表示存在值但未知；我不确定哪种情况会更好。

Answer 2

如果使用df[!, :C] .= nothing初始化列，则其元素类型为Nothing。将DateTime写入此列时，Julia尝试将它们转换为Nothing，但失败。我不确定这是否是最有效或推荐的解决方案，但是如果您将该列初始化为DateTime和Nothing

的并集

df[!, :C] = Vector{Union{DateTime, Nothing}}(nothing, size(df, 1))

您的示例应该可以使用。

在Julia中没有值的DataFrame列？

2 个答案: