Julia 中是否有类似于 dplyr 的软件包？答案

【问题标题】：Is there a package in Julia similar to dplyr?Julia 中是否有类似于 dplyr 的软件包？
【发布时间】：2022-10-16 02:38:49
【问题描述】：

假设我有以下数据框：

using DataFrames
a = DataFrame(A = randn(1000), B = randn(1000), C = randn(1000));
N = 1000;

就像我想将每一列除以 N（如果它是数字），所以在 R 中我会执行以下操作（使用 dplyr）：

a <- a %>% mutate_if(is.numeric, function(x) x/N)

朱莉娅有这样的东西吗？

（我试图避免 for 循环，并逐列进行操作）

【问题讨论】：

标签： dataframe julia

【解决方案1】：

DataFrames 文档有一个Comparison with dplyr 部分。您可以看到 dplyr 中的 mutates 对应于 DataFrames.jl 中的 transforms。 transform 还允许通过多种方式选择要操作的列，可用于mutate_if 功能。

julia> df = DataFrame(x = [10, 15, 20, 25], y = [12.5, 20, 101, 102], colors = [:red, :blue, :green, :cyan])

4×3 DataFrame
 Row │ x      y        colors 
     │ Int64  Float64  Symbol 
─────┼────────────────────────
   1 │    10     12.5  red
   2 │    15     20.0  blue
   3 │    20    101.0  green
   4 │    25    102.0  cyan

julia> transform(df, names(df, Number) .=> (c -> c / 5) => identity)
4×3 DataFrame
 Row │ x        y        colors 
     │ Float64  Float64  Symbol 
─────┼──────────────────────────
   1 │     2.0      2.5  red
   2 │     3.0      4.0  blue
   3 │     4.0     20.2  green
   4 │     5.0     20.4  cyan

names(df, Number) 返回元素为 Numbers 的列名称的向量（即任何 Number 子类型）。
c -> c / 5 将列除以 5（Julia 默认按元素应用）。
.=> 对每一列单独应用上述转换，而不是一起应用。
identity 只是告诉 transform 不要更改列的名称。

（此答案之前建议将 transform(df, Cols(in(names(df, Number))) => ByRow((c...) -> c ./ 5) => identity) 作为解决方案。感谢 cmets 中的 @Bogumił Kamiński 提出了当前更简单的方法。）

上面的transform 返回结果数据帧，而不更改df。您可以使用
transform!(df, names(df, Number) .=> (c -> c / 5) => identity)
（注意transform 之后的!）就地执行此操作并直接更新df。

【讨论】：

transform(df, names(df, Number) .=> ByRow(c -> c / 5) .=> identity) 会短一点。
这要整洁得多。如果您不介意，我想用该建议更新答案。这样做ByRow 在这里有什么优势吗？在我的回答中，我使用它是因为我想保持函数非常简单且无需迭代，但在这种情况下，广播会满足这一需求。所以transform(df, names(df, Number) .=> (c -> c / 5) .=> identity) 本身可以工作。

【解决方案2】：

transform 非常强大，如果您来自 dplyr 背景，它可能会感觉更自然，但我使用简单的列循环和更自然的项目广播来填充这种情况。

不要害怕 Julia 中的循环：它们（一般而言）与矢量化代码一样快，并且可以使用数组理解非常简洁地编写：

julia> df = DataFrame(x = [10, missing, 20, 25], y = [12.5, 20, 101, 102], colors = [:red, :blue, missing, :cyan])
4×3 DataFrame
 Row │ x        y        colors  
     │ Int64?   Float64  Symbol? 
─────┼───────────────────────────
   1 │      10     12.5  red
   2 │ missing     20.0  blue
   3 │      20    101.0  missing 
   4 │      25    102.0  cyan

julia> [c .= c ./ 5 for c in eachcol(df) if nonmissingtype(eltype(c)) <: Number];

julia> df
4×3 DataFrame
 Row │ x        y        colors  
     │ Int64?   Float64  Symbol? 
─────┼───────────────────────────
   1 │       2      2.5  red
   2 │ missing      4.0  blue
   3 │       4     20.2  missing 
   4 │       5     20.4  cyan

在上面的例子中，点表示广播（c 列的每个元素是旧值除以标量 5 的结果），我使用nonmissingtype 来说明您可能有缺失数据。

【讨论】：