Question

我发现Hadley的plyr包对R非常有帮助，它是一个用于转换数据的优秀DSL。解决的问题非常普遍，当我不操纵R中的数据时，我会面对其他用例，但是在其他编程语言中。

有没有人知道是否存在一个为python做类似事情的模块？类似的东西：

def ddply(rows, *cols, op=lambda group_rows: group_rows):
    """group rows by cols, then apply the function op to each group
       and return the results aggregating all groups
       rows is a dict or list of values read by csv.reader or csv.DictReader"""
    pass

实施起来应该不会太难，但如果它已经存在就会很棒。我实现了它，我使用itertools.groupby按cols进行分组，然后应用op函数，然后使用itertools.chain将其全部链接起来。有更好的解决方案吗？

Answer 1

这是我起草的实施：

def ddply(rows, cols, op=lambda group_rows: group_rows): 
    """group rows by cols, then apply the function op to each group 
    rows is list of values or dict with col names (like read from 
    csv.reader or   csv.DictReader)"""
    def group_key(row):                         
        return (row[col] for col in cols)
    rows = sorted(rows, key=group_key)
    return itertools.chain.from_iterable(
        op(group_rows) for k,group_rows in itertools.groupby(rows, key=group_key))

另一个步骤是拥有一组可以作为op应用的预定义函数，如sum和其他效用函数。

是否有Hadley用于python的ddply的实现？

1 个答案: